Google DeepMind bevisar Signals kod med sex miljoner rader Lean
Forskare vid Google DeepMind har med hjälp av AI-ramverket AlphaProof Code matematiskt bevisat säkerheten i Signal-protokollets faktiska programkod. Arbetet tog fyra veckor och omfattar den kryptografiska källkod som skyddar meddelanden för miljarder användare.
Av Techindex AI ·
Genombrutet markerar första gången som ett brett spritt kryptografiskt protokoll har verifierats formellt på denna djupa nivå, meddelar bolaget i ett blogginlägg. Systemet AlphaProof Code kombinerar mänskliga experter med AI-agenter drivna av modellen Gemini Carbon. Forskarna lät agenterna ta fram matematiska bevis för att den kompilerade källkoden strikt uppfyller sina säkerhetskrav, i stället för att enbart granska protokollets övergripande design.
Under processen skapade AI-agenterna över sex miljoner rader kod i språket Lean, som automatiskt kontrollerar matematiska bevis för mjukvara. Mänskliga experter behövde därefter bara granska en procent av kodbasen där agenterna flaggat för manuell kontroll, medan språket Lean automatiskt verifierade resten. Hela granskningen tog fyra veckor att genomföra, ett arbete som enligt bolaget historiskt har tagit flera år för expertgrupper att ro i hamn.
För att testa tillförlitligheten återinförde forskarna två tidigare kända fel i en isolerad version av Signal, varpå systemet matematiskt bevisade att den felaktiga koden var osäker. Signals teknikchef Ehren Kret uppger att AI-agenternas förmåga att översätta skarp kod till giltiga satser i Lean är ett stort genombrott som stärker förtroendet för protokollets integritet. Google DeepMind uppger att de nu gör verktygen och underlaget tillgängliga som öppen källkod för vidare forskning kring kritisk infrastruktur.
Skriven av AI och faktagranskad av en andra AI mot källan före publicering. Så arbetar vi
Så vet vi det10 uppgifter, var och en med ordagrant citat ur källanVisa
Forskare vid Google DeepMind har med hjälp av AI-ramverket AlphaProof Code matematiskt bevisat säkerheten i Signal-protokollets faktiska programkod.
”Google DeepMind researchers guided AI agents to mathematically prove key security properties of the actual code underlying the Signal protocol, the technology that protects billions of private conversations in apps like Signal and Google Messages.”
Källa: deepmind.google ↗Arbetet tog fyra veckor och omfattar den kryptografiska källkod som skyddar meddelanden för miljarder användare.
”Even at this complexity, our verification process took just four weeks – a task that historically takes expert teams years – proving that Signal's core cryptographic code delivers the security protections our experts specified.”
Källa: deepmind.google ↗Genombrutet markerar första gången som ett brett spritt kryptografiskt protokoll har verifierats formellt på denna djupa nivå, meddelar bolaget i ett blogginlägg.
”Our work marks the first time AI has been used to formally verify a widely deployed cryptographic protocol at this depth.”
Källa: deepmind.google ↗Systemet AlphaProof Code kombinerar mänskliga experter med AI-agenter drivna av modellen Gemini Carbon.
”From there, agents powered by Gemini Carbon did the proofs, generating over six million lines of Lean, a computer language that mathematically proves the accuracy of code.”
Källa: deepmind.google ↗Forskarna lät agenterna ta fram matematiska bevis för att den kompilerade källkoden strikt uppfyller sina säkerhetskrav, i stället för att enbart granska protokollets övergripande design.
”But most protocol verification stops at the design level. Our agents went further, proving that the compiled code fulfills the key security properties – such as keeping messages protected before and after a device is temporarily compromised – down to the exact code running on devices.”
Källa: deepmind.google ↗Under processen skapade AI-agenterna över sex miljoner rader kod i språket Lean, som automatiskt kontrollerar matematiska bevis för mjukvara.
”From there, agents powered by Gemini Carbon did the proofs, generating over six million lines of Lean, a computer language that mathematically proves the accuracy of code.”
Källa: deepmind.google ↗Mänskliga experter behövde därefter bara granska en procent av kodbasen där agenterna flaggat för manuell kontroll, medan språket Lean automatiskt verifierade resten.
”Next, the agents audited the proof and highlighted areas that needed a second look by a human – just one percent of the codebase, a massive time saving.”
Källa: deepmind.google ↗För att testa tillförlitligheten återinförde forskarna två tidigare kända fel i en isolerad version av Signal, varpå systemet matematiskt bevisade att den felaktiga koden var osäker.
”To confirm that AlphaProof Code can tell correct code from buggy code, we reintroduced two real, previously fixed bugs into an isolated version of Signal's code. In both cases, the system produced a machine-checked proof that the buggy version was insecure.”
Källa: deepmind.google ↗Signals teknikchef Ehren Kret uppger att AI-agenternas förmåga att översätta skarp kod till giltiga satser i Lean är ett stort genombrott som stärker förtroendet för protokollets integritet.
”Using AI agents to translate live code into valid Lean theorems is a major breakthrough. As AI-driven security threats grow, rigorously verifying the Signal protocol implementation gives us even greater confidence in our code's privacy guarantees.”
Källa: deepmind.google ↗Google DeepMind uppger att de nu gör verktygen och underlaget tillgängliga som öppen källkod för vidare forskning kring kritisk infrastruktur.
”We are open-sourcing our formal verification artifacts for community use.”
Källa: deepmind.google ↗
Uppgifterna kommer ur avsändarens eget pressmeddelande, på engelska — citaten här står i originalets ordalydelse. En andra AI har jämfört översättningen med källan. Så arbetar vi
Techindex Morgon
Gårdagens technyheter i mejlen, måndag till lördag kl 06.30. Gratis, och du avslutar med ett klick.
Vi sparar bara din adress. Så hanterar vi den