DeepMind在软件安全领域，有一个长期存在的尴尬事实：我们每天依赖的加密通讯，其安全性大多建立在「至今没人攻破」之上，而不是「已被证明攻不破」。2026年11月，Google DeepMind的一项研究成果试图改变这一点——研究团队使用AI工具，对广泛使用的Signal加密协议完成了形式化验证（formal verification），以机器可检验的数学证明确认该协议按设计预期工作。
从「测试」到「证明」：一次范式转移
要理解这件事的分量，需要先区分两种截然不同的安全评估方式。传统做法是测试与渗透：安全研究员不断尝试寻找漏洞，攻破失败并不等于协议安全，只说明「暂时没人找到办法」。而形式化验证走的是另一条路——先用精确的数学语言把协议规范写成模型，再证明该模型满足一系列安全性质，例如「攻击者无法在没有长期密钥的情况下恢复会话密钥」「前向保密性在任何消息序列下都成立」。
这条路在学术界已走了二十多年，工具包括ProVerif、Tamarin、CryptoVerif，以及更底层的交互式定理证明器Coq、Isabelle和F*。问题在于成本：一个工业级协议的完整证明往往需要资深专家投入数月甚至数年，还要反复补充引理、调整模型。这也是为什么绝大多数商业软件从未被形式化验证过。
DeepMind的切入点正是这道成本门槛。据WIRED报道，研究团队借助AI工具承担了证明过程中最耗费人力的部分——搜索证明路径、生成证明脚本、补齐中间引理，再由机器做最终校验。关键在于，AI提出的每一步都必须通过证明检查器的机械验证，这意味着「AI可能出错」不会污染结论：错误的想法会被直接拒绝，只有真正闭合的证明才能通过。
为什么偏偏是Signal协议
Signal协议是当代加密通讯的事实标准。它由两大部分构成：用于建立会话的X3DH密钥协商，以及用于逐条消息推进密钥的Double Ratchet双棘轮机制。后者带来的「前向保密」与「后向保密」特性，使得即便某一把密钥将来泄露，也无法回溯解密此前的历史消息。
这套协议被Signal官方应用使用，也被WhatsApp在数十亿用户规模上部署，还支撑着Google Messages的端到端加密RCS消息、Facebook Messenger的私密对话模式，以及众多开源加密库。换言之，一次协议层面的系统性缺陷，其影响面将是全球性的。正因如此，Signal协议此前已被学术界反复分析，但它获得的更多是「针对性证明」——证明某个版本、某些安全属性在特定假设下成立，而非一份完整、连贯、可机器检验的整体性结论。
延伸目标：为「世界上所有软件」做同样的事
如果故事止于「一个著名协议被验证」，它已经足够重要。但DeepMind团队把野心说得更直白：
「他们的延伸目标？为世界上所有软件做同样的事。」
这句话听起来近乎狂想，但放在DeepMind近年的研究轨迹里并不突兀。AlphaProof与AlphaGeometry在国际数学奥林匹克级别的题目上展示了机器进行严格演绎推理的能力；FunSearch则在组合数学与算法设计中发现了人类此前未曾想到的构造。这些工作的共同点，是把「需要严密推理、且结果可被机械检验」的领域当作AI的试验场。形式化验证恰好完美符合这两个条件：难度极高，但对错分明。
更现实的路径可能不是「验证一切」，而是把验证成本压缩到工业界可以接受的程度。当一份协议证明从「需要一位专家花一年」变成「需要一位工程师花两周」，安全审计的经济学就彻底改变了。届时，形式化验证或许会像今天的静态代码扫描一样，成为发布流程中的常规一环。
冷静的观察：证明能证明什么，不能证明什么
需要强调的是，形式化验证并非万能灵药，它的边界值得清醒认识。
其一，被证明的是「模型」，不是「代码」。如果规范本身写错了，或者实现代码与规范之间存在偏差，证明就失去了意义。历史上著名的「编译器中后门」思想实验、以及若干源于内存安全与侧信道攻击的真实漏洞，都属于模型之外的战场。其二，形式化验证通常不覆盖随机数生成、时序泄露、功耗分析等物理层问题，而这些恰恰是现实攻击的常见入口。其三，AI生成的证明虽然经过检查器校验，但「证明了什么性质」仍由人类设定——选错了安全目标，再漂亮的证明也只是答非所问。
因此，更准确的表述或许是：这项成果不是安全的终点，而是把安全基线抬高了一档。它让「这个协议在高强度对抗下仍然成立」从一句工程信念，变成了可以摆在审计报告里的数学事实。
结语
加密技术的历史反复说明一件事：信任不该来自沉默——不该来自「没人攻破」，而应来自公开、可检验的论证。DeepMind这次做的，是用AI把论证的门槛降下来。如果这条路走得通，未来我们谈论软件安全的方式可能会改变：不再问「它有没有被黑过」，而是问「它的安全性被证明了吗」。
