Google DeepMind 用 Gemini Carbon 验证了 Signal 的机器代码

太疯狂了。Google DeepMind 取得了一项重大里程碑。

它表示，其由 Gemini Carbon 驱动的智能体已在 Signal 的实际机器代码中，对关键安全防护措施进行了数学验证，这在深度上是首次对任何广泛部署的加密协议进行此类验证。

整个过程仅耗时四周，而传统上这项任务需要专家团队花费数年时间。AlphaProof Code 生成了超过 600 万行 Lean 代码，仅将 1% 的代码库标记为需要进一步人工审查，并给出了数学证明，表明此前已修复的两个漏洞曾导致代码不安全。

我非常激动地宣布，我们的 Google DeepMind 团队攻克了软件工程与网络安全领域的一项重大挑战：在机器代码层面，对 Signal 加密协议的真实实现进行了形式化验证。这项验证是通过 AlphaProof Code 完成的，这是我们用于形式化规范与验证的全新 AI 框架。

* 论文：
* Lean 代码：
* DeepMind 博客文章：

向我出色的队友们致以崇高的敬意：@tchajed、@FerrousAndrew、Jonathan Katz、@pushmeet、@antonkovsharov、Karn Seth、Sam Schlesinger、@RandomlyWalking。

20 多年前，我还是一名研究生时，就开始从事软件形式化验证方面的工作。Dijkstra 以及其他计算机科学先驱提出的愿景深深打动了我——用数学定理为编程提供支撑。

当时，我们不得不在两种方案之间做出选择：一种是可扩展的自动化代码分析算法，但只能证明浅层属性；另一种是深度人工验证，但需要专家耗费数十年时间。

得益于 AI 在数学推理方面的进步，我们再也不必做这种选择了。2026 年 10 月，在四周的时间里，AlphaProof Code 智能体生成了超过 600 万行经机器校验的 Lean 证明代码。

我们对 Signal 整个协议核心证明了深层的计算与符号安全属性，一直验证到 ARM 机器代码层面。

当然，这仅仅是第一步，因为我们的目标是验证全球的软件基础设施。

大多数网络攻击，包括最近新闻中报道的那些由 AI 驱动的攻击，都是由本可避免的代码漏洞引起的。我预计，用于形式化代码分析的智能体将逐类消除这些漏洞。

正如我们的论文中更详细地解释的那样，这绝不意味着人类将退出这一过程！证明过程现在在很大程度上已实现自动化，但仍需要人类专家来决定在 AI 辅助下证明什么。

AlphaProof Code 初步展现了这种人机协作的可能形态，但未来还会涌现出许多其他类似的方案。

我们已公开了所有的 Lean 规范与证明，并计划与开源社区合作对其进行改进。如果你正在构建关键软件，并希望应用这些理念，欢迎与我们交流！