پرش به محتوای اصلی
پرش به محتوای مقاله

دیپ‌مَایند گوگل پروتکل رمزنگاری سیگنال را در چهار هفته تأیید کرد

·۲۱ آبان ۱۴۰۵۱ دقیقه مطالعه
آلفاپروت رمزنگاری سیگنال را در چهار هفته تأیید کرد.
آلفاپروت رمزنگاری سیگنال را در چهار هفته تأیید کرد.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین تأیید رسمیِ مقیاس‌پذیر برای کدِ در حال اجرا (نه مدل نظری) یک پروتکل رمزنگاری پرکاربرد — سیگنال — در چهار هفته به‌جای سال‌ها، با تولید ۶ میلیون خط اثبات لین و نرخ بازبینی انسانی ۱٪.

سیستم هوش مصنوعی جدید گوگل دیپ‌مَایند (Google DeepMind)، پروتکل رمزنگاری سیگنال (Signal) را تنها در چهار هفته تأیید کرد — کارِ که پیش از این سال‌ها طول می‌کشید. این نخستین بار است که تأیید رسمی (formal verification) از مرحله طراحی به کدِ در حال اجرا می‌رسد.

به نقل از مطلبی که محققان پوشمیت کُهلی (Pushmeet Kohli) و سوارات چاودهوری (Swarat Chaudhuri) در ۱۱ نوامبر ۲۰۲۶ منتشر کردند، الفاپروف کد (AlphaProof Code) به‌صورت ریاضی اثبات می‌کند که نرم‌افزار به مشخصات امنیتی خود پایبند است و خطایی ندارد. تا کنون تلاش‌های تأیید رسمی اغلب در فاز طراحی متوقف می‌شدند و پیاده‌سازیِ واقعی بررسی نمی‌گردید.

الفاپروف کد ابتدا به خبرگان کمک می‌کند تا نیازمندی‌های امنیتی رسمی را تعریف کنند، سپس عامل‌های (agents) هوش مصنوعی مبتنی بر جیمینی کاربن (Gemini Carbon) را برای نوشتن اثبات‌ها در لین (Lean) — زبانی که برای اثبات قضایای ریاضی توسعه یافته — مستقر می‌کند. استفاده از لین تضمین می‌کند که اثبات‌ها قابل‌بررسی توسط ماشین و قابل‌بازاستفاده هستند.

عامل‌ها نه تنها اثبات‌ها را تولید می‌کنند، بلکه در ایجاد مشخصات نیز کمک می‌کنند و سپس به‌صورت مستقل تأیید می‌کنند که کد برنامه به آن‌ها پایبند است. سیستم بیش از ۶ میلیون خط کد اثبات لین تولید کرد، حدود یک درصد را برای بازبینی انسانی نشانه‌گذاری نمود. دو باگ که به‌صورت عمدی برای تست گنجانده شده بودند، شناسایی شدند — نشان‌دهنده توانایی سیستم در یافتن خطاهای ظریف.

ایرن کِرت (Ehren Kret)، مدیر فناوری سیگنال، گفت این رویکرد اعتماد به حریم خصوصی داده‌ها را در برابر تهدیدهای رو به رشد هوش مصنوعی تقویت می‌کند. با تأییدِ خودِ کدِ هسته رمزنگاری که روی دستگاه کاربران در حال اجرا است — نه یک مدل نظری — الفاپروف کد فرض بر این را که تأیید رسمی برای نرم‌افزار مستقر غیرعملی است، چالش می‌زند. در حوزه‌های حیاتی امنیتی مانند رمزنگاری، جایی که یک سهوی می‌تواند میلیون‌ها کاربر را در خطر بیندازد، قابلیت تأیید کد در حال اجرا می‌تواند پذیرش روش‌های رسمی را تسریع نماید.

اگر تعمیم یابد، این روش می‌تواند نحوه اعتماد ما به رمزنگاری، شبکه‌های برق و دستگاه‌های پزشکی را بازتعریف کند. دیپ‌مَایند قصد دارد از طریق سیستمی به نام کدمندر (CodeMender) این رویکرد را به آن حوزه‌ها بسط دهد. گام بعدی، بازبینی‌های مستقل اثبات‌ها و پذیرش گسترده‌تر در صنعت خواهد بود. پذیرندگان اولیه احتمالاً پلتفرم‌های پیام‌رسان دیگر و خدمات مالی خواهند بود که در آن‌ها صحت کد اولویت اول است.

پیشرفت هوش مصنوعی دیپمایند در رمزنگاری.

گام بعدی شما

  • اگر در تیم امنیتی یا رمزنگاری هستید، مستندات الفاپروف کد و زبان لین را برای ادغام در خط لوله CI/CD بررسی کنید.
  • برای پروژه‌های متن‌باز حیاتی، یک نمونه اثبات رسمی محدود را به عنوان پیش‌نمونه اجرا کنید تا هزینه و بازده را بسنجید.
  • گزارش‌های مستقل و بازبینی‌های شخص ثالث را در ماه‌های آینده رصد کنید؛ آن‌ها معیار اعتماد واقعی خواهند بود.
چرا این موضوع مهم است؟

این پیشرفت اعتبار **تأیید رسمی** را از حوزه‌های تخصصی مانند هوشبرداری به نرم‌افزارهای مصرفی گسترده می‌کشاند. با ارائه مسیر قابل‌تکرار برای تأیید کد در حال اجرا، استاندارد جدیدی برای امنیتِ قابل‌اثبات در عصر هوش مصنوعی زاینده (Generative AI) تعیین می‌کند.

تأثیر برای ایران

دسترسی مستقیم به الفاپروف کد برای توسعه‌دهندگان ایرانی در حال حاضر وجود ندارد؛ ابزار در فاز تحقیق دیپ‌مَایند است و انتشار عمومی یا API آن اعلام نشده است.

·نگاه ما
تحریریه دات‌هوش

انتقال تأیید رسمی از طراحی به کد اجرایی مانع اصلی مقیاس‌پذیری را برمی‌دارد: هزینه انسانی نوشتن اثبات. اگر عامل‌های جیمینی کاربن بتوانند ۹۹٪ اثبات را خودکار کنند، گلوگاه مهارتی که تا امروز این روش را به سیستم‌های هوشمند محدود می‌کرده، شکسته می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.