650万行数学证明，4周交卷，Gemini 4 Carbon啃下加密协议验证硬骨头
谷歌CEO劈柴把AlphaProof Code推上C位后，DeepMind披露了这项研究的完整工作流：五名研究人员与AI配合，把Signal加密协议的安全目标写成Lean可理解的数学规范，再由Agent自动构造证明，并让Lean逐段检查。最终交出的答卷是约650万行Lean证明代码，覆盖Signal底层约14万条机器指令，原本可能需要专家团队耗费数年的工作被压缩到四周。
五名研究员守五台工作站，四周把Signal机器码写进Lean
这项研究瞄准的是软件安全领域的老难题：协议设计在数学上安全，不代表最终编译、运行在设备上的代码一定安全。传统形式化验证要求专家把安全条件写成严格数学命题，再证明实际代码满足这些命题，成本极高。资料提到，2004年澳大利亚NICTA团队为seL4操作系统内核做数学验证，5年累计工作量足够一个人连续干20年。
AlphaProof Code的切入方式更像一支AI数学研究团队：
- 五名DeepMind专家先与AI合作，把Signal需要满足的安全要求写成Lean能够理解的数学规范，并逐一审核。
- 审核通过后，由Gemini 4 Carbon驱动的Agent分工开工，有的负责攻克不同部分的数学证明，有的负责检查证明结果。
- Agent一路追着Signal实际编译出来的机器码，把需要证明的安全性质逐项落实到Lean代码里。
- 研究没有停留在协议设计或源代码层面，而是建立AArch64指令集的形式化语义，把编译后的机器码纳入验证范围。
DeepMind副总裁Pushmeet Kohli称，这是史上头一回，无论靠人还是靠AI，此前都没有人把一款广泛使用的加密协议直接验证到实际运行的机器码这一层。
Agent写一段Lean查一段，650万行证明没有“放水”通道
这套流程的关键约束在于，Agent写出一段证明，Lean就检查一段。只要证明里存在逻辑错误，Lean就不会放行。五名研究人员各自守着一台工作站同时推进任务，让AI不停写、不断验证，四周内生成约650万行Lean证明代码，把Signal底层约14万条机器指令纳入数学验证。
庞大证明并没有全部压给人类专家。谷歌在Blog中透露，AI在完成证明工作后还筛出了需要重点复核的部分，最终需要专家进一步检查的代码只占约1%。这意味着研究团队可以把精力集中在高风险片段，而不是逐行消化全部650万行代码。
Signal首席技术官Ehren Kret也公开点赞，称AI Agent能够将实际运行的代码转化为有效的Lean定理，是一项里程碑式的重大突破。
两道旧Bug悄悄装回隔离版本，AI当场逮住并给出证明
写出650万行证明之后，研究人员决定再考一次AlphaProof Code。他们翻出Signal以前已经修复的两个真实Bug，悄悄装回隔离测试版本，观察系统能否察觉。
这两个陷阱题分别涉及：
- 旧会话与新会话之间的密钥状态处理；
- 密钥交换时缺少必要检查。
两道题都被AlphaProof Code逮个正着。AI不仅发现问题，还分别给出了通过Lean检查的数学证明，有理有据地证明带有这些Bug的版本确实违反了安全要求。这展示的不只是“证明代码符合规范”的能力，也包括对故意塞回去的旧漏洞保持敏感。
DeepMind把规范和证明全开源，但边界也写清楚了
DeepMind已经将这次研究的规范和约650万行Lean证明代码全部开源，感兴趣的研究者可以直接检查、复现并继续往下研究。对形式化验证社区而言，这相当于把一次大规模AI辅助证明的中间产物和最终产物一起摆上桌面。
谷歌Blog也写明了这次工作的边界：验证针对的是特定版本的Signal核心协议实现及指定安全性质，尚未覆盖整个Signal App和所有攻击场景。换句话说，这是一次针对核心协议实现和特定安全目标的高强度验证，不是对Signal全部代码和全部威胁面的“万能体检”。
从模型定位看，Gemini 4 Carbon被谷歌描述为最适合处理高难度、多步骤任务的模型。在这类任务中，Carbon可以负责最需要深度推理的环节，其他更轻量的模型并行处理具体任务，让AI承担的工作更接近真实专业工作流。
从seL4二十年人力到四周交卷，形式化验证换了打法
过去，形式化验证常被视为数学家和形式化验证专家才能干的“贵族活”；普通安全测试找到一个Bug修完就结束，形式化验证却要写出严密数学证明，确保软件在特定条件下不出问题。AlphaProof Code这次把繁重的证明构造工作接了过去，让AI Agent在Lean的严格检查下反复写、反复验。
网友感叹“把几十年的工作压缩到一个月”，并不只是对速度的惊讶。更值得关注的是，AI开始从“写出代码”走向“用数学证明代码是安全的”。对于软件安全行业，这套方法展示了一条可复用的工程路径：人类定义安全规范并审核关键部分，AI Agent批量构造证明，机器检查器负责守门，专家再把复核精力集中到少量重点代码上。650万行证明和两周抓出旧Bug的测试，让这条路径第一次有了足够具体的样本。
