信息差

六百万行 Lean 证明背后,被验证的只有一对一会话

一、被验证的是二进制,不是设计文档

11 月 10 日,Google DeepMind 公布 AlphaProof Code:一个把形式化验证拆成人与机器两半的多智能体框架。研究者与多个模型一起,把 Signal 的安全目标翻译成 Lean 规格,每一条都由人类专家复核;接下来由 Gemini Carbon 驱动的证明智能体填坑,产出超过 600 万行 Lean,论文里的数字是约 650 万行。

关键差别在于验证对象。过去的协议验证大多停在设计层,这次针对的是编译产物:研究者把未经修改的 libsignal v0.105.4 与 SPQR v1.6.0 crate 包进一个小命令行脚手架,用原版 rustc 编成静态链接的 AArch64 Linux 可执行文件,然后证明这份约 560 KB、十四万条指令的二进制满足指定性质。信任编译器这个假设被拿掉了,保证落在真正跑在手机上的那些字节上。

可信基小得惊人:约 2.6 万行人工批准的规格,加上 AArch64 语义。650 万行证明里约 530 万行用于二进制层,86 万行是计算性证明,35 万行是符号性证明。

二、人和机器怎么分工

五个研究者做了四周。证明由智能体全程跑在工作站上,符号与计算两条线并行。典型的一次攻坚用 40 到 80 个智能体在单机上跑 24 到 72 小时,有 orchestrator 和组长协调,架构师与集成者维护共享证明基。规格由 Gemini 4 Carbon 和 Claude Opus 5.5 起草并交叉复核,刻意用不同模型家族互相挑错。

验收用闸门机制:Lean 内核检查只是第一步,还要有比对器确认证明与人工批准的留存规格逐条一致,且只能用 Lean 的标准公理。智能体可以提小修正,但动到受信假设必须人类批准并留下日志——真正的攻击面在于通过某条定义把规格悄悄放松,而不是伪造证明。

智能体还自查了一遍,只把约百分之一的代码标出来请人复看,其余交给 Lean 自动校验。这是整个工作里最省人力的设计:把人的注意力从看证明挪到看规格。

以前形式化验证贵,是因为人得手写证明。现在贵的部分交给了智能体,人只负责决定什么必须为真。

三、被标题盖掉的范围

证明覆盖的是 PQXDH 握手与 Triple Ratchet 的一对一会话代码,性质包括前向保密、认证、妥协后恢复和握手保密。两条独立论证:十条在理想密码学假设下的符号定理,以及一条用密码学假设与统计项界定攻击者优势的计算性证明。

然后是边界,必须一条条读。密钥生成没有验证;群组消息明确留给未来;侧信道与多设备状态不在场景内;底层原语和部分输出与库例程用受信契约代表,结论依赖这些契约、批准的规格、Lean 内核、AArch64 语义以及对原语的假设。论文自己写明:两条论证都没有证明 SPQR 想要的抗量子自愈,计算性定理只覆盖经典攻击者,符号线里攻击者还能自选 SPQR 密钥。计算模型在消息与会话规模足够大时会退化到无意义。

所以这不是 Signal 应用无漏洞的证明,也不自动迁移到 WhatsApp、Messenger 或 Google Messages——它们跑的是协议变体。DeepMind 没说这会不会做成产品。

四、真正可复用的三条经验

第一,把验证对象下沉到编译产物,是这批工作最硬的一步。设计对、实现错,正是现实漏洞最常躲的地方,跳过编译器就把这条缝堵上了。

第二,用两个不同家族的前沿模型交叉审规格,是个便宜且有效的对齐手段。同族模型容易共享盲区。

第三,诚实度测试值得抄:团队把两个历史上已修过的真实 bug 塞回隔离版本重新编译,系统两次都给出了机器校验的不安全证明。没有这步负向验证,正向证明的说服力要打对折。规格与证明已在 google-deepmind/code-verification 开源,可独立重建校验。