谷歌 DeepMind 用 AI 验证 Signal 协议安全性，规模化应用仍面临算力门槛

据 IT之家 11 月 10 日报道，谷歌 DeepMind 团队利用具备自主执行能力的 AI 智能体，对 Signal 加密协议开展了形式化验证，以数学方法检验其安全性承诺。该协议不仅用于 Signal 应用，也被 WhatsApp 和谷歌信息采用。此次成果展示了 AI 参与高复杂度安全研究的潜力，但验证对象是协议本身，并不意味着整个聊天应用已通过全面安全审查。

从寻找漏洞，到用数学检验安全承诺

Signal 协议长期被视为端到端加密消息传递的重要安全标准。对于这类基础协议，传统测试能够帮助研究人员发现漏洞，却很难仅凭“没有测出问题”就确认不存在其他缺陷。

形式化验证采用不同路径：把协议的运行规则、安全目标和相关假设转化为数学模型，再证明或证伪它是否满足要求。其价值不在于覆盖更多测试样本，而在于检验既定模型和假设范围内的安全性质。因此，理解此次成果时，不能忽略证明所依赖的边界条件。

来源显示，DeepMind 团队还将这一方法用于包含已知安全漏洞的旧版 Signal 协议实现。AI 成功识别出相关问题，并判定这些版本未能通过形式化验证。这说明该方法不仅能参与构建证明，也能在验证不成立时暴露问题。

这次研究证明了什么，又没有证明什么

• 验证聚焦 Signal 加密协议，而非 Signal 应用的全部代码、功能与运行环境。
• 研究并非完全从零开始，团队使用了此前已有的部分形式化验证成果，其中一些工作没有借助 AI。
• 整个分析过程约耗时四周，但谷歌尚未公开具体计算资源规模。
• 谷歌表示，目前仍无法确定这项技术在更大范围推广的实际可行性。

这些限定并不削弱研究价值，而是帮助外界区分“协议安全证明”与“产品全面安全”两件事。即使协议在既定模型下满足安全要求，也不能据此推断采用该协议的所有软件环节都不存在风险。

产业解读：AI 安全工具正从代码检查走向证明辅助

对 AI 与软件产业而言，此次进展值得关注的地方，是智能体开始参与需要严格逻辑约束的验证任务。相比生成代码或提示潜在缺陷，形式化验证要求结论能够接受数学层面的检验，为 AI 辅助安全工程提供了另一条路径。

不过，研究可行不等于工程上已能普及。四周的分析周期、尚未披露的算力投入，以及对既有研究成果的利用，都意味着外界暂时不宜期待大量协议迅速完成同类验证。DeepMind 研究人员也将此次成果定位为研究进程中的一个里程碑，而非终点。

对于中文开发者和技术团队，更有参考价值的观察方向，是这类方法能否降低形式化验证的使用门槛，并在可控成本下复用于其他关键软件。此次研究展示了 AI 用严格证明辅助安全工作的可能性；距离成为普遍可用的工程工具，仍需要更多验证与实践。