2026年11月10日 · 研究
Pushmeet Kohli 与 Swarat Chaudhuri

Google DeepMind 研究人员如何构建全新的智能体框架(Agentic Framework),对 Signal 加密协议的代码进行形式化验证——这长期以来被视为安全领域的一项重大挑战
今天,我们分享软件安全领域的一个里程碑,这一直被视为一项重大挑战:Google DeepMind 的研究人员引导 AI 智能体(AI Agents),从数学上证明了 Signal 协议底层实际代码的关键安全属性。这项技术保护着 Signal 和 Google Messages 等应用中数十亿次的私人对话。
这一突破性成果是通过 AlphaProof Code 实现的,**这是一个全新的智能体框架,将人类专业知识与 AI 智能体相结合,能够以前所未有的深度进行形式化验证(Formal Verification)。**形式化验证——即从数学上证明代码能够正确运行且无漏洞——是安全保障的最高标准;然而,这非常困难且通常耗费大量人力。
我们的工作标志着首次利用 AI 以如此深度对广泛部署的加密协议进行形式化验证。这也是首次通过任何方法(无论是否使用 AI)对这类广泛部署的协议实现进行形式化验证。
我们如何验证 Signal
AlphaProof Code 是一个多[大语言模型(Multi-LLM)]智能体框架,它像研究团队一样分配形式化验证的工作:人类专家与 AI 合作决定证明什么,然后由一组 AI 智能体来完成证明。
首先,我们的研究人员与多个模型协作,将 Signal 的安全目标转化为形式化的数学规范(Specifications),并由人类专家对每一项进行审查。随后,由 Gemini Carbon 驱动的智能体执行证明,生成了超过 600 万行 Lean 代码(Lean 是一种用于从数学上证明代码准确性的计算机语言)。
接下来,智能体对证明进行审计,并标记出需要人类二次审查的区域——仅占代码库的 1%,从而节省了大量时间。由于 Lean 会自动检查其余部分,我们的专家可以将审查精力集中在最需要人类判断的地方。
从网上银行到网页浏览,加密协议支撑着几乎所有的数字通信,一个单一的漏洞就可能同时使数百万人面临风险。这就是为什么专家们几十年来一直致力于对其进行形式化分析。
但大多数协议验证仅停留在设计层面。我们的智能体更进一步,证明了编译后的代码满足关键的安全属性——例如在设备暂时遭到入侵前后保持消息受保护——一直深入到设备上实际运行的精确代码。因为现实世界中的漏洞往往隐藏在设计与实现之间的鸿沟中,弥合这一鸿沟使得这些证明变得极其复杂。
即便在如此高的复杂度下,我们的验证过程也仅用了四周时间——而这项任务在过去通常需要专家团队耗费数年时间——成功证明了 Signal 的核心加密代码提供了我们专家所指定的安全保护。
为了确认 AlphaProof Code 能够区分正确代码和存在漏洞的代码,我们将两个真实的、先前已修复的漏洞重新引入到 Signal 代码的一个隔离版本中。在这两种情况下,系统都生成了经机器检查的证明,表明存在漏洞的版本是不安全的。


在 AlphaProof Code 中,AI 智能体帮助用户编写规范,然后自主证明代码实现符合该规范。每个证明都会由 Lean 进行检查,以验证智能体的工作成果。
“虽然之前的形式化验证主要集中在较小部分的代码上,但 Google DeepMind 的方法实现了显著的扩展,”Signal 首席技术官 Ehren Kret 表示。“利用 AI 智能体将实际运行的代码转化为有效的 Lean 定理是一项重大突破。随着 AI 驱动的安全威胁日益增长,严格验证 Signal 协议的实现让我们对代码的隐私保障更加充满信心。”
Ehren Kret
Signal 首席技术官
虽然以往的形式化验证工作受限于条件只能集中在较小的范围内,但这种新方法实现了显著的扩展。传统上,验证生产环境代码是否严格符合其加密设计需要耗费大量的人力,因此利用 AI 智能体自动将实际运行的代码转化为有效的 Lean 定理是一项重大突破。随着 AI 驱动的安全威胁日益增长,通过自动定理证明(Automated Theorem Proving)对核心 Signal 协议进行严格验证,让我们对代码兑现其隐私保障承诺更加充满信心。
安全的未来
攻克这一长期存在的挑战,展示了 AI 如何为企业、政府和关键基础设施带来顶级的安全保障,帮助防御由智能体驱动的网络威胁。
验证 Signal 的核心