一、从设计文档下沉到机器码
11 月 10 日,Google DeepMind 公布 AlphaProof Code 的首个公开成果:让 AI 智能体与人类专家配合,把 Signal 协议核心加密实现的安全性质做成机器可检验的数学证明。目标不是设计文档,也不是改写过的简化模型,而是 libsignal v0.105.4 的编译产物,也就是真正跑在手机上的那些指令。
覆盖面要说清楚。证明只针对两个组件:PQXDH 握手,Signal 的后量子密钥协商;以及会话中的 Triple Ratchet。四条性质分别是前向保密、身份认证、妥协后恢复和握手保密。妥协后恢复指的是设备临时被攻破、密钥泄露之后,会话能把安全性重新长回来。
范围之外的东西更多。应用本身、服务端,以及 libsignal 里 zkgroup、attest、account-keys、usernames、media 五个模块都不在证明内。后量子认证也没覆盖,因为 PQXDH 那一半仍然依赖经典离散对数。可否认性与内存安全被论文列为后续工作。还有一条前提常被略过:数学证明的是这段代码正确使用了它的密码学原语,不是原语本身不可破。这是所有协议级证明共同要做的假设。
二、六百万行证明,两万六千行规格
论文给出的数字是约 650 万行 Lean 证明,支撑它的是约 2.6 万行人工审定过的规格,加上一份用 Lean 写的 AArch64 处理器行为模型。规格由人写、人审;证明由跑在 Gemini 4 Carbon 上的智能体写。分工的边界就是信任边界:智能体被视为不可信,只有 Lean 内核接受的结果才算数。
为了让这条边界真的立得住,团队做了两件事。第一,每个证明都在全新环境里重放。第二,封掉 Lean 里两个经典逃生口:sorry 会让内核跳过一步,native_decide 会把部分工作交给内核看不见的编译代码。结果是智能体可以错一百万次,错答案过不了检查器。
真正稀缺的不是那六百万行,是那两万六千行。谁定义规格,谁就定义了什么叫安全。
最有说服力的验证是反向测试。研究者把两个早已修复的真实漏洞重新塞进隔离副本的 libsignal,两次都产出了机器可检验的证明,明确指出这份代码不安全。这说明系统会判错,而不是一律盖章通过。
三、省下的是人力,不是责任
DeepMind 说智能体自查后只标出约 1% 的代码需要人再看一眼,其余交给 Lean 自动检查。据 The Register 报道,人力投入是 5 个人 4 周、最多 20 人周;对照案例 seL4 微内核约 20 人年。这个比值很扎眼,但不是干净的对比——据 WIRED 报道,这四周建立在 Signal 早前的形式化工作之上,Google 也拒绝透露算力成本。研究负责人 Swarat Chaudhuri 自己的说法是,距离把方法推广到全世界的软件还有很长的路。
对普通团队,可用的结论只有三条。第一,规格是新的信任边界,写规格和审规格的人比写证明的模型更关键。第二,这套方法目前只适合边界清晰、模块化的高价值组件,比如支付、认证、访问控制、加密,不适合整体系统。第三,它是测试、代码审查和静态扫描的加法,不是替代品。规格没写到的威胁,证明再严密也补不上。
验证产物已开源在 google-deepmind.github.io/code-verification,附技术论文。AlphaProof Code 本身尚未以产品或服务形式发布。
来源:Google DeepMind 2026-11-10 公告与技术论文;The Register、WIRED 报道