DeepMind sử dụng các tác nhân AI để xác minh hình thức mã hóa của Signal

Các nhà nghiên cứu tại Google DeepMind đã thành công trong việc sử dụng trí tuệ nhân tạo để xác minh hình thức (formal verification) mã nguồn của giao thức Signal, đánh dấu một cột mốc quan trọng trong lĩnh vực bảo mật phần mềm. Được công bố vào ngày 10 tháng 11 năm 2026, nghiên cứu này cho thấy cách các khung làm việc dựa trên tác nhân AI có thể thu hẹp khoảng cách giữa thiết kế lý thuyết và triển khai thực tế trong các hệ thống mật mã then chốt.

Điều gì đã xảy ra

Trong nhiều thập kỷ, xác minh hình thức được coi là tiêu chuẩn vàng để đảm bảo tính đúng đắn của phần mềm, nhưng nó vẫn quá đắt đỏ và tốn thời gian đối với các hệ thống quy mô lớn. Hầu hết các nỗ lực trước đây chỉ tập trung vào các thiết kế cấp cao hoặc những đoạn mã nhỏ, để lại một khoảng trống nguy hiểm nơi các lỗi triển khai có thể làm suy yếu các đảm bảo an ninh. Nghiên cứu mới của Google DeepMind thay đổi điều này bằng cách áp dụng phương pháp do AI dẫn dắt lên toàn bộ lõi của giao thức Signal, vốn đang bảo vệ hàng tỷ tin nhắn riêng tư trên các ứng dụng như Signal và Google Messages.

Nhóm nghiên cứu đã sử dụng một khung làm việc mới gọi là AlphaProof Code để hướng dẫn các tác nhân AI qua quy trình phức tạp nhằm tạo ra các chứng minh toán học. Nỗ lực này đã dẫn đến lần đầu tiên tiến hành xác minh hình thức cho bản triển khai thực tế của một giao thức mật mã được triển khai rộng rãi, thay vì chỉ kiểm tra thiết kế trừu tượng của nó. Quá trình này xác nhận rằng mã biên dịch chạy trên thiết bị người dùng tuân thủ nghiêm ngặt các thuộc tính bảo mật chính, chẳng hạn như duy trì tính bảo mật của tin nhắn ngay cả khi thiết bị bị xâm phạm tạm thời.

Để xác thực độ tin cậy của hệ thống, các nhà nghiên cứu đã đưa hai lỗi đã biết và từng được sửa chữa trước đó trở lại vào một phiên bản cô lập của cơ sở mã Signal. Trong cả hai trường hợp, AlphaProof Code đều xác định đúng các lỗ hổng và tạo ra các chứng minh được máy kiểm tra, chứng tỏ rằng các phiên bản chứa lỗi là không an toàn. Thử nghiệm này xác nhận rằng khung làm việc có thể phân biệt giữa các bản triển khai an toàn và có lỗi với độ chính xác cao.

Cách thức hoạt động

AlphaProof Code hoạt động như một khung làm việc đa LLM (Large Language Model) dựa trên tác nhân, mô phỏng quy trình làm việc của một nhóm nghiên cứu con người. Quá trình bắt đầu với sự hợp tác giữa các chuyên gia con người và các mô hình AI để chuyển đổi các mục tiêu bảo mật của Signal thành các đặc tả toán học hình thức. Mỗi đặc tả đều được con người xem xét để đảm bảo tính chính xác trước khi giai đoạn tự động hóa bắt đầu. Phương pháp kết hợp này đảm bảo rằng các mục tiêu toán học là đúng đắn trước khi bắt đầu công việc nặng nhọc là tạo ra các chứng minh.

Sau khi các đặc tả được thiết lập, các tác nhân được hỗ trợ bởi mô hình Gemini Carbon sẽ tiếp quản để tạo ra các chứng minh. Các tác nhân này viết mã bằng Lean, một ngôn ngữ lập trình được thiết kế cho việc xác minh toán học. Trong dự án kéo dài bốn tuần, các tác nhân đã tạo ra hơn sáu triệu dòng mã Lean. Hệ thống sau đó tự động kiểm toán các chứng minh này, chỉ đánh dấu khoảng một phần trăm cơ sở mã để con người xem xét. Việc giảm mạnh khối lượng công việc thủ công này cho phép các chuyên gia tập trung hoàn toàn vào những khu vực đòi hỏi phán đoán tinh tế, trong khi Lean tự động xác minh phần còn lại.

Chi tiết chính

• Việc xác minh được hoàn thành trong bốn tuần, một nhiệm vụ mà theo lịch sử đòi hỏi các nhóm chuyên gia phải mất vài năm để hoàn thành.
• Khung làm việc đã tạo ra hơn sáu triệu dòng mã Lean để chứng minh toán học về độ chính xác của bản triển khai Signal.
• Các chuyên gia con người chỉ xem xét một phần trăm mã được tạo ra, dựa vào khả năng kiểm tra tự động của Lean cho phần còn lại.
• Hệ thống đã phát hiện thành công hai lỗi thực tế được đưa trở lại, chứng minh khả năng xác định mã không an toàn.
• Đây là lần đầu tiên bản triển khai của một giao thức mật mã được triển khai rộng rãi được xác minh hình thức bằng bất kỳ phương pháp nào.
• Google DeepMind đang mở mã nguồn (open-sourcing) các tài liệu xác minh hình thức để cộng đồng sử dụng.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và kiến trúc sư bảo mật, đột phá này giải quyết "khoảng trống triển khai" dai dẳng, nơi các thiết kế an toàn thất bại do lỗi lập trình. Các giao thức mật mã là nền tảng cho các dịch vụ thiết yếu từ ngân hàng trực tuyến đến chăm sóc sức khỏe, và chỉ một lỗi duy nhất cũng có thể phơi bày hàng triệu người dùng. Bằng cách chứng minh rằng mã biên dịch thực tế khớp với đặc tả bảo mật, các nhà phát triển có thể đạt được mức độ đảm bảo mà thử nghiệm và kiểm toán truyền thống không thể cung cấp. Điều này đưa bảo mật từ sự tin cậy xác suất sang sự chắc chắn toán học.

Những cải thiện về hiệu quả được AlphaProof Code chứng minh cho thấy xác minh hình thức cuối cùng có thể trở nên khả thi về mặt quy mô cho các cơ sở hạ tầng trọng yếu. Khi các mối đe dọa mạng phát triển và trở nên tự động hóa hơn, khả năng nhanh chóng xác minh firmware cho các thiết bị y tế, phần mềm lưới điện và các hệ thống vital khác trở nên cực kỳ quan trọng. Phương pháp này cho phép các tổ chức phòng chống các mối đe dọa do tác nhân gây ra bằng cách đảm bảo phần mềm nền tảng của họ vững chắc về mặt toán học, giảm đáng kể bề mặt tấn công.

Bạn có thể làm gì

• Xem xét các tài liệu xác minh hình thức được mở mã nguồn bởi Google DeepMind để hiểu cấu trúc của các chứng minh được máy kiểm tra.
• Khám phá ngôn ngữ lập trình Lean để làm quen với các công cụ được sử dụng cho việc xác minh toán học phần mềm.
• Đánh giá các giao thức bảo mật hiện tại của bạn để xác định các thành phần then chốt có thể hưởng lợi từ đặc tả hình thức, ngay cả khi việc xác minh đầy đủ chưa khả thi.
• Cập nhật thông tin về các khung làm việc AI dựa trên tác nhân như AlphaProof Code để dự đoán cách chứng minh định lý tự động có thể tích hợp vào các pipeline CI/CD trong tương lai.
• Cân nhắc hợp tác với các nhà nghiên cứu bảo mật để chuyển đổi các yêu cầu bảo mật cấp cao thành các đặc tả hình thức cho những tài sản quan trọng nhất của bạn.
• Theo dõi các bước tiến trong các công cụ bảo mật hỗ trợ bởi AI để chuẩn bị cho sự chuyển dịch sang các tiêu chuẩn phần mềm được xác minh toán học trong các ngành công nghiệp chịu sự quản lý chặt chẽ.