Google DeepMind 用 AI 智能体证明 Signal 代码安全性
DeepMind 用 Gemini 4 Carbon 智能体给 Signal 代码写了 650 万行 Lean 证明，5 个人 4 周干完过去要 20 人年的活。验证到机器码级别，还能自动识别重引入的老漏洞。做安全审计和形式化验证的团队值得看看这条工作流。
Google DeepMind 发布报告，用 AI 智能体对 Signal 的 libsignal 代码完成了安全性质的形式化验证，验证深度直达编译后的机器码。智能体由 Gemini 4 Carbon 驱动，在未修改的 libsignal 代码上写出了约 650 万行 Lean 证明，团队共 5 人、耗时 4 周完成。作为对比，验证 seL4 微内核曾花费 20 人年，凸显了智能体在形式化验证中带来的效率差距。
工作流上，人类与智能体共同编写安全规格，prover 智能体负责撰写证明，每条证明都必须通过 Lean 检查器验证后才被接受。团队还把两个 Signal 历史漏洞重新引入代码，系统能证明这些带漏洞的版本不满足安全性质。
报告原文与论文发布在 deepmind.google，展示了用前沿模型驱动大规模形式化验证的可行路径。对密码学库、通信安全领域的工程团队而言，这类流程可能改变安全审计的验证成本结构。
Banger report from Google DeepMind. This is also a good example of the type of ambitious work you can now do with frontier models. (bookmark it) They used AI agents to prove key security properties of Signal's code, down to the compiled machine code. Agents powered by Gemini 4 Carbon wrote about 6.5 million lines of Lean proofs on the unmodified libsignal code. A team of five finished the proof work in four weeks. Verifying the seL4 microkernel took twenty person-years. In this work, humans and agents write the security specs, prover agents write the proofs, and Lean checks every proof before it is accepted. When they reintroduced two old Signal bugs, the system proved the buggy versions were insecure. Paper: deepmind.google/documents/36/F…📊 28 ⚡
本条情报归属 AITOP「论文」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Gemini 4 Carbon、Google DeepMind、Signal、Lean，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「elvis」（@omarsar0），经 AITOP 多维评分管线结构化提炼。
