一句话看懂：Google DeepMind 用名为 AlphaProof Code 的智能体 AI 框架，在四周内对 Signal 协议的部分关键密码学性质做了数学证明，结论是这些部分未发现新漏洞，且已知旧版本漏洞能被正确识别。这项工作的价值在于给广泛使用的通信加密提供了一次独立验证，也展示了 AI 辅助形式化验证的潜力与边界。
事件核心：发生了什么
据 Wired AI 报道，Google DeepMind 的研究人员使用智能体 AI 对 Signal 协议的若干密码学保证进行了形式化验证。这项概念验证项目在四周内完成，AI 框架名为 AlphaProof Code。研究没有发现所检查部分存在新的安全漏洞；当研究人员把同一工具用于包含已知且早已修复漏洞的旧版 Signal 时，它能正确识别问题，并显示该协议无法通过形式化验证。DeepMind 还公开了为这次分析编写的规范和证明，供后续研究使用。Signal 首席技术官 Ehren Kret 表示，此前的形式化验证集中在较小代码范围，而 DeepMind 的方法实现了显著扩展。
为什么重要
Signal 协议不只服务 Signal 应用，还支撑 Google Messages、WhatsApp 等平台的大量通信加密，因此对其密码学保证做独立验证有现实意义。更值得关注的是方法本身：形式化验证长期被视为软件安全的“圣杯”，但人工把需求转成公式并构造数学证明极其耗时。智能体 AI 若能压缩证明阶段的时间，就可能让这种高成本安全分析进入更多场景。不过，目前公开信息显示，这次分析范围有限，并未形式化验证整个 Signal 移动应用。DeepMind 研究科学家 Swarat Chaudhuri 也强调，这是一个里程碑，距离把方法扩展到全世界软件还有很长的路。AI 辅助形式化验证能否在可接受成本下规模化，仍是开放问题；Google 拒绝披露此次分析的成本，也未说明是否计划推出商业化形式化验证产品。
对用户/开发者/创作者的影响
对普通用户，这次结果不意味着 Signal 刚变得更安全，而是对既有加密设计的一次额外数学背书。对开发者，信号在于安全验证的工作流可能改变：AI 代理可在流程各阶段贡献并自我纠错，但关键节点仍需人类审查。Chaudhuri 明确反对“AI 生成目标、AI 生成证明、自己出题自己考”的闭环，强调人机协作的中间路线。对企业和安全团队，如果这类工具未来能以可控成本落地，银行等依赖高保障的行业可能获得更强的漏洞证明手段；但现阶段它仍是研究项目，不是可采购的产品。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 AlphaProof Code 是否会从研究走向商用，以及定价和适用范围；二是形式化验证能否覆盖更大代码库乃至完整应用，而不只是协议的关键片段；三是更多安全团队是否会跟进类似的人机协作验证流程，以及公开的 Signal 规范和证明能否被社区复用。这些问题的答案，将决定这次四周概念验证是孤立案例，还是可复制方法论的起点。
来源：Wired AI
