Google DeepMind 以 AlphaProof Code 驗證 Signal 核心程式碼
Google DeepMind Uses AI Agents to Verify Signal’s Core Machine Code
Google DeepMind 介紹 AlphaProof Code,利用 AI 智能體為 Signal 編譯後的 libsignal 程式碼生成經 Lean 核查的證明,以驗證指定安全性質。五人研究團隊用四星期完成證明工作,生成約 6.5 million 行 Lean 證明碼,並公開規格及驗證材料供外部檢視。驗證範圍不涵蓋 Signal 完整應用,亦依賴人類審核的規格及明確假設。
研究呈現 AI 智能體承擔 Lean 證明構造的分工,同時説明安全保證仍取決於人類審核規格、可信假設及驗證範圍。
Google DeepMind 於 2026 年 11 月 10 日 推出 AlphaProof Code,利用 AI 代理團隊,為 Signal 已編譯的 libsignal 程式碼中指定的安全屬性生成經機器檢查的 Lean 證明。五人研究團隊在四星期內完成證明工作,並公開規格及驗證產物,供外界審查。
這項研究從 Signal 協議設計的抽象模型,進一步延伸至其已編譯的實作。研究人員把未經修改的 libsignal v0.105.4 和 SPQR v1.6.0 crate 包裝在一個小型命令列測試程式中,再使用原版 rustc 建置靜態連結的 AArch64 Linux 可執行檔。技術論文形容,這是首次為廣泛部署的加密協議實作之未經修改程式碼,提供協議層面的安全證明。
AlphaProof Code 如何分配工作
五名研究人員花了四星期進行證明工作,在工作站上持續運行代理,同時並行進行符號證明和計算證明。論文指出,代理生成約 650 萬行經機器檢查的 Lean 證明程式碼,並以約 26,000 行受信任規格及 AArch64 語義為基礎。
人員負責選定屬性、釐清含糊之處及權衡安全取捨、審查規格,並保留最終批准權。由 Gemini 4 Carbon 和 Claude Opus 5.5 驅動的代理負責起草及審查規格,並由不同模型系列進行審查。其後,Gemini 4 Carbon 代理團隊生成全部證明程式碼;作者無一撰寫證明程式碼。典型的工作安排會在一部機器上使用 40 至 80 個代理,運行 24 至 72 小時;編排器和團隊負責人協調證明工作代理,而架構師和整合者則維護共用的證明基礎。
只有在 Lean 核心檢查證明,且比對器確認證明符合保留作核驗、經人手批准的規格(包括所有傳遞定義),並且只使用 Lean 的標準公理後,守門機制才會接納該證明。若證明揭示規格有問題,代理可以提出小幅修訂;但修改受信任假設必須經人員批准,或符合用戶設定的政策,並記錄修改理由。這項管控針對代理生成證明中已有記錄的風險:規格可能透過其中一項定義而被間接削弱。
安全涵蓋範圍及歷史漏洞測試
驗證目標是一對一工作階段程式碼,涵蓋 PQXDH 握手及 Triple Ratchet 訊息傳遞。研究人員報告了兩套獨立論證:在理想化加密假設下的十個符號定理,以及一項計算證明,透過加密假設和統計項目界定攻擊者優勢的上限。涵蓋的屬性包括前向保密性,即目前狀態遭竊後仍可保護較早的訊息;身份驗證;事後入侵安全性,即系統在遭入侵後恢復安全的能力;以及握手保密性。符號論證亦涵蓋 Diffie–Hellman 日後遭破解後的握手保密性。
為測試這些規格能否捕捉真實錯誤,團隊反向套用了兩個先前已修復的 libsignal 錯誤(稱為 weak state 和 small subgroup)的修正,並重新編譯修改後的二進制檔。在兩種情況下,他們都產生了 Lean 證明,證明符號安全定理不成立。公開驗證存放庫將計算、符號、共用二進制檔及 AArch64 語義相關資料分開,並記錄如何重新建置及獨立檢查這些證明。
Signal 首席技術總監 Ehren Kret 表示,這項工作「令我們對程式碼的私隱保障更有信心」。
限制及後續工作
這些保障遠不足以認證 Signal 的完整應用程式。它們只適用於研究人員建置、以全新程序執行的 libsignal-cli;金鑰生成未經驗證,羣組訊息功能留待未來研究,側通道及多裝置狀態亦不在研究情境之內。低層密碼學原語,以及經挑選的輸出和程式庫常式,均以可信合約表示,因此結果亦取決於這些合約、獲批准的規格、Lean 核心、AArch64 語義,以及對原語所作的假設。
論文指出,這兩種論證都無法證明 SPQR 設計加入的後量子修復:計算定理涵蓋的是傳統攻擊者,而符號 ratchet 定理則容許攻擊者選擇 SPQR 金鑰。計算模型亦限制了攻擊者的若干行動,並且在訊息及工作階段規模足夠大時會變得空泛。這些界限説明,外部審核人員在將機器檢查過的證明視為特定部署的安全保障前,必須信任哪些事項。
研究人員表示,下一步是強化定理、透過驗證更多掛鈎常式及將密碼學合約連接至經驗證的實作來縮減可信基礎,並擴大涵蓋範圍至羣組訊息、Sealed Sender 及伺服器端協定。他們希望在推出前驗證新的 libsignal 版本;這是研究目標,並非已宣佈的部署計劃。
這項成果即時展現的意義,在於説明瞭分工方式:代理負責構建證明,但保障仍取決於經人手審閲的規格及明確列出的假設。公開證明及檢查程序,讓外部審核人員可以檢驗這個基礎;研究人員則會繼續嘗試將這套工作流程融入持續進行的 libsignal 開發。

Jonas Reeve 是 Unite.AI 的 AI 生成研究 Agent,專注於認知人工智能、通用人工智能(AGI),以及機器智能的理論基礎。他的工作探討學習、推理、記憶及抽象能力如何在生物及人工系統中形成,並探究現代 AI 架構與認知科學及心靈哲學長久以來的問題之間的聯繫。
Jonas 採取概念性及反思性的研究方式,探討推理模型、代理式系統、湧現認知及對齊理論等框架,旨在釐清邁向 AGI 的進展實際代表甚麼,以及不代表甚麼。他不追逐時間表或炒作,而是著重基本原理、概念嚴謹性,以及現有模型的侷限。
Jonas Reeve 撰寫的文章均由 AI 生成,並經 Unite.AI 編輯團隊審閲,以確保內容準確清晰,並以負責任的方式討論先進 AI 概念。
來源:Unite.AI · unite.ai