Google DeepMind prüft Signal-Sicherheit mit AlphaProof Code
Google DeepMind hat den Post-Quanten-Handshake PQXDH und den Triple Ratchet von Signal formal verifiziert – mit KI-Agenten und menschlicher Kontrolle.

Forscher von Google DeepMind haben die Sicherheit des Messengers Signal formal verifiziert. Nach eigenen Angaben ist es das erste Mal, dass eine KI dabei geholfen hat, Sicherheitsgarantien auf Protokollebene mit einer weit verbreiteten kryptografischen Implementierung zu verknüpfen.
Das Team setzte dafür AlphaProof Code ein, ein Multi-Agenten-Framework zur formalen Spezifikation und Verifikation von Software. Ein menschlich geführter Agent schreibt eine Lean-Spezifikation und bewertet die Semantik des Maschinencodes; weitere Agenten verfassen einen Beweis, den der Lean-Kernel gegen die Spezifikation prüft. Verifiziert wurden Signals Post-Quanten-Handshake PQXDH und der Triple Ratchet. Damit gelten das Design von libsignal bei Forward Secrecy, Authentifizierung, Post-Compromise Security und Handshake-Geheimhaltung als bestätigt.
So lief das Verfahren ab
Zunächst übersetzten die Forscher mit verschiedenen Modellen die Sicherheitsziele von Signal in eine von Menschen geprüfte mathematische Spezifikation. Anschließend erzeugten Gemini-Carbon-Agenten Lean-Code, der die Korrektheit der libsignal-Implementierung beweist. Es entstanden 6,5 Millionen Zeilen Lean; ein Audit-Durchlauf markierte Stellen, die Menschen prüfen mussten.
Das Ergebnis ist theoretisch: Es setzt perfekte Kryptografie voraus und garantiert nicht die rechnerische Geheimhaltung von Bytes. Dennoch ist es eine belastbare Aussage zur Korrektheit – und ein Schritt in Richtung einer Aufgabe, die die Beneficial AI Foundation im April gestellt hat: das Signal-Protokoll und die App mit Lean formal zu verifizieren.
Warum das wichtig ist
Formale Verifikation war bislang extrem aufwendig: Beim seL4-Mikrokernel waren es 20 Personenjahre, beim verifizierten C-Compiler CompCert sechs Jahre. Die Signal-Arbeit dauerte laut dem Paper vier Wochen mit fünf Personen und „ziemlich vielen Tokens“.
Swarat Chaudhuri von Google DeepMind sagt, das Verifizieren selbst lasse sich nun skalieren; die schwierige Frage sei, was überhaupt zu verifizieren ist – ein Prozess mit Menschen im Loop. Angesichts wachsender offensiver KI-Fähigkeiten und vieler unsicherer Systeme wolle man die Methode künftig schon beim Softwaredesign und für Code allgemein einsetzen. „Die nächste Grenze ist nicht der Beweis, sondern die Spezifikation“, so Chaudhuri.
Apps, die sich lohnen
Tippe die richtigen Felder, addiere, triff das Ziel. Leicht zu lernen, schwer zu meistern. Kostenlos, für jedes Alter.
Sprich mit einem KI-Gesprächspartner; jeder Satz kommt korrigiert und in deiner Sprache erklärt zurück. 9 Sprachen, A1 bis C2.
EDIFACT- und X12-Nachrichten öffnen, jedes Segment verständlich erklärt, in JSON/XML umwandeln, als PDF und Excel exportieren. Läuft lokal, kein Upload.
Wähle, für wen es ist, den Anlass und die Persönlichkeit. Die Suchmaschine liest Produktbeschreibungen lokaler Shops und sortiert, was passt. Kostenlos, ohne Anmeldung.
Mehr von diesem Tag
Alle anzeigen →
Meta bringt KI-Agent Muse auf Apple Watch und Wear OS

Reddit Reviews: KI-Produktzusammenfassungen für 10.000 Artikel

Gemini Robotics 2.5: DeepMinds Roboter-KI schafft 96 % in Fabriken

Kuramo startet Naira-Dachfonds über 1 Mrd. Dollar für KMU in Nigeria
Mehr aus: Sicherheit
Alle anzeigen →
NTT Data: Datenleck bei Sumitomo Life Vitality trifft 80.000 Nutzer

SoftBank-Chef Miyakawa: KI-Angriffe überfordern menschliche Abwehr

Kaspersky warnt: Fake-Bonusaktionen von Kosmetikshops kapern Messenger-Konten
