コンテンツにスキップ
メインサイト ニュース コンソール

AlphaProof Codeを発表:複雑なソフトウェアの深層検証における重大なブレークスルー

· DeepMind 翻訳済
DeepMind

2026年11月10日 · 研究

Pushmeet Kohli、Swarat Chaudhuri

技術論文を読む

Image 39: 階層化されたソフトウェア検証を象徴する、球体の横に斜めに並んだ異なるテクスチャと色の平行な半透明ガラス板を描いた抽象的な3Dデジタルアート。

Google DeepMind の研究者が新たなエージェンティックフレームワーク(Agentic Framework)を構築し、セキュリティ分野で長年大きな課題とされてきた Signal 暗号化プロトコルのコードに対する形式検証をいかに実現したか

本日、長年にわたり大きな課題とされてきたソフトウェアセキュリティ分野におけるマイルストーンを共有します。Google DeepMind の研究者たちは AI エージェント(AI Agents)を導き、Signal プロトコルの基盤となる実際のコードにおける重要なセキュリティ特性を数学的に証明しました。この技術は、Signal や Google Messages などのアプリにおける数十億回ものプライベートな会話を保護しています。

この画期的な成果は、人間の専門知識と AI エージェントを組み合わせ、かつてない深さで形式検証(Formal Verification)を実行できる全く新しいエージェンティックフレームワークである AlphaProof Code によって実現されました。形式検証(コードが正しく動作し、脆弱性がないことを数学的に証明すること)は、セキュリティ保証の最高基準ですが、非常に難易度が高く、通常は膨大な人的労力を必要とします。

私たちの取り組みは、広く展開されている暗号化プロトコルを AI を用いてこれほど深いレベルで形式検証した初の事例となります。また、AI の使用有無にかかわらず、このように広く普及しているプロトコルの実装に対して形式検証が行われたのも今回が初めてです。

Signal をどのように検証したか

AlphaProof Code はマルチ大規模言語モデル(Multi-LLM)のエージェンティックフレームワークであり、研究チームのように形式検証の作業を分担します。人間の専門家が AI と協力して何を証明するかを決定し、その後 AI エージェントのグループが証明を完了させます。

まず、私たちの研究者は複数のモデルと連携して Signal のセキュリティ目標を形式的な数学的仕様(Specifications)に変換し、人間の専門家がその一つひとつをレビューしました。次に、Gemini Carbon を搭載したエージェントが証明を実行し、600万行を超える Lean コード(コードの正確性を数学的に証明するためのコンピュータ言語)を生成しました。

続いて、エージェントは証明を監査し、人間による二次レビューが必要な領域をフラグ付けしました。これはコードベース全体のわずか 1% に過ぎず、大幅な時間の節約につながりました。残りの部分は Lean が自動的にチェックするため、専門家は人間の判断が最も必要とされる箇所にレビューの労力を集中させることができます。

オンラインバンキングからウェブブラウジングに至るまで、暗号化プロトコルはほぼすべてのデジタル通信を支えており、たった一つの脆弱性が同時に数百万人のユーザーを危険にさらす可能性があります。だからこそ、専門家たちは何十年もの間、その形式的な分析に取り組んできたのです。

しかし、ほとんどのプロトコル検証は設計レベルにとどまっています。私たちのエージェントはさらに一歩踏み込み、コンパイルされたコードが重要なセキュリティ特性(たとえば、デバイスが一時的に侵害された前後でもメッセージの保護を維持するなど)を満たしていることを、デバイス上で実際に動作する正確なコードのレベルまで掘り下げて証明しました。現実世界の脆弱性は設計と実装のギャップに潜んでいることが多いため、このギャップを埋めることで証明は極めて複雑になります。

これほど高い複雑性にもかかわらず、私たちの検証プロセスはわずか4週間で完了しました。これは過去には専門家チームが数年を費やしていたタスクであり、Signal のコア暗号化コードが専門家の指定したセキュリティ保護を提供していることを無事に証明しました。

AlphaProof Code が正しいコードと脆弱性のあるコードを区別できることを確認するため、過去に修正された2つの実際の脆弱性を、隔離されたバージョンの Signal コードに再導入しました。どちらのケースでも、システムは機械チェック済みの証明を生成し、脆弱性のあるバージョンが安全でないことを示しました。

Image 40: 3ステップのシステム検証プロセスを説明するワークフロー図:1) 仕様(Specification)、Lean 仕様の起草と承認。2) コード(Code)、コンパイルされた機械語コードが Lean プロセッサモデル上で実行される。3) 証明(Proof)、証明者チームがゲートキーパー(Gatekeeper)によって検証される証明を生成する。Image 41: Lean を使用した3ステップの形式検証ワークフロー(仕様、コード、証明)の図。仕様とコンパイルされたコードは信頼されていない証明者チームによって処理され、信頼されたゲートキーパーによって検証されて、検証済みの定理と証明が生成される。

AlphaProof Code では、AI エージェントがユーザーの仕様作成を支援し、コードの実装がその仕様に準拠していることを自律的に証明します。すべての証明は Lean によってチェックされ、エージェントの作業成果が検証されます。

「これまでの形式検証はコードの小さな部分に集中していましたが、Google DeepMind のアプローチによって大幅なスケールアップが実現しました」と Signal の最高技術責任者(CTO)である Ehren Kret 氏は述べています。「AI エージェントを活用して、実際に動作するコードを有効な Lean の定理に変換できたことは大きなブレークスルーです。AI を悪用したセキュリティ脅威が増大する中、Signal プロトコルの実装を厳密に検証することで、コードのプライバシー保証に対する確信がさらに深まりました。」

Ehren Kret

Signal 最高技術責任者(CTO)

これまでの形式検証の取り組みは制約により小さな範囲に留まらざるを得ませんでしたが、この新しいアプローチによって大幅なスケールアップが実現しました。従来、本番環境のコードがその暗号設計に厳密に準拠しているかを検証するには膨大な人的労力が必要であったため、AI エージェントを用いて実際に動作するコードを自動的に有効な Lean の定理へと変換したことは大きなブレークスルーと言えます。AI によるセキュリティ脅威が増大する中、自動定理証明(Automated Theorem Proving)を通じてコアとなる Signal プロトコルを厳密に検証することで、コードがそのプライバシー保護の約束を果たしているという確信をより一層強めることができます。

セキュリティの未来

この長年の課題を克服したことは、AI がいかにして企業、政府、重要インフラに最高レベルのセキュリティ保証をもたらし、エージェント駆動型のサイバー脅威からの防御を支援できるかを示しています。

Signal のコアを検証する