AI资讯

DeepMind 用 AI 形式化验证 Signal 加密协议,四周完成关键安全属性证明

发布时间:2026年11月11日 10:20:00

11 月 11 日,据 Wired 报道,Google DeepMind 的 AlphaProof Code 在四周内生成了超过六百万行数学证明,对 Signal 加密协议的关键安全属性完成形式化验证。研究覆盖了指定属性与对应代码,也验证了系统能拒绝含已知漏洞的旧版本。


事件:AI 开始给加密协议「做题」

11 月 11 日,据 Wired 报道,Google DeepMind 的 AlphaProof Code 完成了一件此前只有顶级密码学团队才能做的事:用形式化方法验证 Signal 加密协议的关键安全属性。

三个关键数据:

项目规模
耗时四周
生成证明超过 600 万行
覆盖范围指定安全属性与对应实现代码

研究还做了反向测试:把带有已知漏洞的旧版本代码交给系统,系统成功拒绝了这些版本。这一点比「证明通过」更重要——它说明验证器不是走过场。

「形式化验证」为什么难到几乎没人做

普通测试的思路是「跑一遍,看看有没有出错」。形式化验证的思路是「数学上证明它不可能出错」。

两者的差距是数量级的:

维度常规测试形式化验证
覆盖抽样,覆盖有限路径全路径,覆盖所有输入
结论「没发现问题」「不存在该类问题」
成本人天级人年级
门槛工程师可做需要密码学 + 证明工程专家

正因如此,全世界被形式化验证过的加密实现极少。Signal 是全球使用最广的端到端加密协议之一,能被验证,意义远超一个学术成果。

六百万行证明意味着什么

人工写六百万行证明,按每秒一行不间断计算也要近 70 天,且需要极高的专业门槛。更重要的是证明工程的迭代成本:一个引理写错,上层全部重来。

AI 在这里的价值不是「更快地打字」,而是:

  • 不间断地尝试:证明失败可以立刻换策略重试;
  • 维护上下文一致性:六百万行里引理之间的依赖关系必须自洽;
  • 可被机械检查:形式化证明最终由内核验证器判定对错,AI 不能「糊弄」。

最后一条尤其关键:形式化验证的输出是可判定的。这让 AI 生成的成果第一次具备了「可被机器确认正确」的属性。

但必须看清边界

报道本身给出了明确限定,需要在传播中保留:

  1. 验证的是指定属性与指定代码,不是 Signal 的全部;
  2. 不覆盖所有可能的攻击方式;
  3. 证明成立的前提是模型与规范本身正确。

换句话说,这次验证回答的是「在给定的安全属性定义下,这段代码没有漏洞」,而不是「Signal 绝对安全」。

三层影响

对密码学工程:形式化验证从「少数团队的奢侈品」变成「可规模化的工程手段」。开源协议与关键基础设施会优先受益。

对 AI 能力评估:这是一个少见的、结果可被独立检查的 AI 成果。相比跑分,它更能说明模型在严密推理上的真实水平。

对安全产业:验证即服务可能成为一个新品类——企业把关键模块交给 AI 做形式化证明,再由人工审核规范定义。

观察点

  1. 证明与验证脚本是否开源:可复现性是判断价值的前提。
  2. 验证规范由谁定义:属性定义错了,证明再漂亮也没意义。
  3. 成本结构:四周 + 六百万行证明的算力开销是多少。
  4. 能否推广到其他协议:TLS、SSH、消息队列等更复杂系统的验证难度会显著上升。

一句话总结:这是 AI 第一次在「必须绝对正确」的领域交出一份可以被机器逐行检查的答卷。