گوگل دیپ‌مایند در ۱۰ نوامبر ۲۰۲۶ اعلام کرد که AlphaProof Code پروتکل سیگنال را در سطح کد به‌صورت رسمی تأیید کرده است. این کار در چهار هفته و با تولید بیش از ۶ میلیون خط اثبات لین انجام شد. تولید بیش از ۶ میلیون خط اثبات لین در این پروژه، یادآور تلاش‌های قبلی برای تولید ۱۸۰ میلیون خط کد رسمی با هوش مصنوعی است. اعتبارسنجی با باگ‌های واقعی در این مطالعه، مشابه رویکردی است که در اثبات بی‌خطایی ۱۲۳ کتابخانه با کلود به کار گرفته شد.
نحوه کارکرد AlphaProof Code
AlphaProof Code یک چارچوب عامل‌محور چند‌ام‌ال‌ال است که کار تأیید رسمی را مانند یک تیم تحقیق تقسیم می‌کند.
- متخصصان انسانی با مدل‌های هوش مصنوعی اهداف امنیتی را به مشخصات ریاضی رسمی تبدیل می‌کنند و هر مشخصه را بازبینی می‌کنند.
- عامل‌های قدرت‌یافته با جمینای کاربن به‌صورت خودمختار اثبات‌ها را در زبان لین تولید می‌کنند.
- سیستم بیش از ۶ میلیون خط لین تولید کرد؛ لین هر مرحله منطقی را به‌صورت ماشینی بررسی می‌کند.
- بازبینان انسانی تنها یک درصد کدبیس را بررسی کردند؛ بقیه به‌صورت خودکار تأیید شد.
دامنه تأیید و ویژگی‌های امنیتی
پروتکل‌های رمزنگاری پایه تمام ارتباطات دیجیتال هستند و یک نقص می‌تواند میلیون‌ها را در معرض خطر قرار دهد.
- ویژگی امنیتی کلیدی: محافظت پیام‌ها قبل و بعد از تهاجم موقت دستگاه.
- تأیید در سطح پیاده‌سازی: اثبات‌ها کد کامپایل‌شده دقیق روی دستگاه‌ها را پوشش می‌دهند.
- شکاف طراحی تا کد: منبع اصلی آسیب‌پذیری‌های واقعی.
- زمان‌بندی چهار هفته در برابر سال‌ها برای تیم‌های متخصص سنتی.
اعتبارسنجی با باگ‌های واقعی
برای سنجش دقت سیستم، محققان دو باگ واقعی از تاریخچه سیگنال را در یک نسخه جداسازی‌شده بازگرداندند.
- دو باگ واقعی بازگردانده شدند.
- نسخه کد جداسازی‌شده برای تست استفاده شد.
- اثبات‌های ماشینی‌بررسی‌شده ناامنی نسخه‌های باگ‌دار را تأیید کرد.
- صفر منفی‌کاذب در تست‌های اعتبارسنجی.
تیم تحقیق و تشکر
این تحقیق توسط سوارات چاودهوری، اندرو فرائیولو، آنتون کوشروف، تج چاجد، سام شلزینگر، کرن ست، جاناتان کت، چارلز ساتون و پشمیت کوهلی توسعه یافته است. تیم از رولف اشمیت، مایکل روزنبرگ و اهرین کرت از سیگنال برای بازخورد روش‌شناختی، بالإضافه به اریک ویزر، اوین جونز، مارتین آبدی، کریستوفر هنسون، کاترین هریستووا، هنریک میخالوفسکی، جاناتان پروتزنکو، جرج تسوکالاس، تولسی دوشی، فور فلین، کیت اولشوسکا، آلیسا هوانگ، آندریو لیو، بنوآ شیلینگز، رالوکا آدا پوپا، ملوین جانسون، کورای کاووکووگلو، دمیس هاسابیس و سوندار پچایی برای حمایت تشکر می‌کند.
پیامدهای گسترده‌تر
این پیشرفت نشان می‌دهد که هوش مصنوعی می‌تواند اطمینان امنیتی نخبوی را به کسب‌وکارها، دولت‌ها و زیرساخت‌های حیاتی بیاورد.
- فریم‌ور دستگاه‌های پزشکی و نرم‌افزار شبکه برق به‌عنوان اهداف بعدی.
- مصنوعات بازنشرشده برای استفاده جامعه.
- مقاله فنی برای روش‌شناسی جزئی در دسترس است.
آینده امنیت
با رشد تهدیدهای سایبری هدایت‌شده با هوش مصنوعی، جفت کردن تأیید رسمی با عامل‌های دفاع خودکار مانند CodeMender می‌تواند نرم‌افزاری با اثبات ریاضی ایجاد کند که محافظت‌های آن برقرار است.
- CodeMender و عامل‌های مشابه به‌عنوان مضاعف نیرو.
- تاب‌آوری پیشگیرانه جایگزین پچ کردن واکنشی می‌شود.
- تحقیق مستمر برای مقیاس‌دهی ضروری است.
- اثبات ریاضی به‌عنوان استاندارد جدید برای زیرساخت‌های حیاتی.
گام بعدی شما
- مقاله فنی دیپ‌مایند را برای درک معماری عامل‌های چندگانه و نحوه تولید اثبات لین مطالعه کنید.
- مصنوعات بازنشرشده را در مخازن دیپ‌مایند بررسی کنید تا امکان ادغام در خط لوله CI/CD پروژه‌های خود را ارزیابی کنید.
- اگر روی سیستم‌های حیاتی کار می‌کنید، سنجش شکاف بین طراحی و پیاده‌سازی فعلی خود را با معیارهای این تحقیق مقایسه کنید.
گفتگو