BÀI VIẾT

DeepMind Để AI Viết 6,5 Triệu Dòng Chứng Minh Cho Code Mã Hóa Của Signal

AlphaProof Code của DeepMind xác minh hình thức code mã hóa của Signal trong bốn tuần thay vì nhiều năm, với toàn bộ chứng minh do AI agent viết. Đây là thứ nó thực sự kiểm tra được, và thứ nó chưa kiểm tra.

Minh họa kiểm tra đầu ra AI bằng nguồn tài liệu và tiêu chí đánh giá.

Đọc cùng AI

Chọn nội dung để sao chép và dán vào trợ lý AI. Không tự gửi dữ liệu. Nội dung CMS được chuyển sang Markdown; dùng Markdown gốc nếu có.

Ngày 10/11, Google DeepMind công bố AlphaProof Code, và trong bài đó có một con số khiến bất kỳ kỹ sư bảo mật nào cũng phải dừng lại: 6,5 triệu dòng chứng minh Lean được máy kiểm tra, viết xong trong bốn tuần, xác minh một phần code mã hóa đứng sau Signal. Không phải bản thiết kế trên giấy. Mà là code libsignal đã biên dịch, xuống tận machine code AArch64. Không dòng nào trong 6,5 triệu dòng đó do người viết.

Xác minh hình thức (formal verification) cho code thật, đã triển khai, không phải thứ mới — nó tồn tại mấy chục năm rồi. Nhưng nó vẫn là một ngách rất hẹp vì một lý do đơn giản: quá đắt. Một nhóm năm người làm bốn tuần cho một giao thức, dù có agent AI gõ phím hộ, cũng chẳng rẻ — nhưng nó rẻ ở một đẳng cấp khác so với những nỗ lực nhiều năm mà kiểu chứng minh này từng đòi hỏi. Khoảng cách đó mới là chuyện đáng nói, hơn cả cái tiêu đề “AI chứng minh được toán học”.

Ai làm phần nào

Cách chia việc là phần đáng hiểu trước tiên, vì nó giải thích cả lý do việc này thành công lẫn lý do đây không phải sản phẩm kiểu “bấm nút là AI chứng minh code bạn an toàn”. Con người chọn những tính chất bảo mật đáng chứng minh, dịch chúng thành spec Lean hình thức, tự quyết những chỗ mơ hồ mà việc dịch này luôn gặp phải, rồi soát lại spec từng dòng. Agent chạy trên Gemini 4 Carbon mới là bên viết chứng minh thật — toàn bộ 6,5 triệu dòng, dựa trên khoảng 26.000 dòng spec và ngữ nghĩa AArch64 được nhóm coi là cho sẵn, không chứng minh lại từ đầu.

Tỷ lệ 26.000 so với 6,5 triệu đó quan trọng. Các khối mã hóa cấp thấp và ngữ nghĩa phần cứng là những “hợp đồng giả định an toàn” trong thiết lập này, AlphaProof Code không tự xác minh độc lập chúng. Thứ được chứng minh là: phần logic giao thức Signal đã biên dịch thỏa mãn đúng các tính chất bảo mật của nó, với điều kiện những khối nền kia đúng như giả định. Đó vẫn là một kết quả nghiêm túc. Nhưng nó là một tuyên bố hẹp hơn nhiều so với câu “mã hóa của Signal giờ đã được chứng minh toán học là an toàn” — phiên bản sẽ lan truyền trên mạng xã hội trước thứ Sáu.

Sơ đồ cách AlphaProof Code của DeepMind xác minh Signal: con người viết mô tả bằng tiếng Anh, agent Gemini 4 Carbon viết chứng minh Lean, Lean kiểm tra lại, khoảng 1% được chuyển cho người soát
Cách DeepMind phân việc: con người nêu tính chất cần chứng minh, agent viết chứng minh, Lean kiểm tra lại toàn bộ.

Thứ thật sự được chứng minh

Các tính chất được xác minh bao gồm những đảm bảo cốt lõi mà mô hình đe dọa của Signal phụ thuộc vào: forward secrecy, post-compromise security, initiator/responder secrecy, authentication, cùng năm hệ quả gắn với Theorem 1 của bắt tay hậu lượng tử PQXDH. Nói đơn giản, các chứng minh phủ cả cách hai điện thoại thỏa thuận khóa ban đầu (PQXDH) lẫn cách khóa đó liên tục đổi khi cuộc trò chuyện tiếp diễn (Triple Ratchet) — hai cơ chế quyết định việc một máy bị lộ hôm nay có khiến kẻ tấn công đọc được tin nhắn hôm qua, hay ngày mai, hay không.

DeepMind còn chạy một bài kiểm tra mà với mình quan trọng hơn cả số định lý đã chứng minh: một bài test “âm”. Nhóm lấy hai lỗi thật, từng được tìm ra và vá trong code Signal, cài ngược lại vào một bản sao cô lập, rồi chạy lại AlphaProof Code. Nó phát hiện đúng, bằng chứng minh máy kiểm tra, rằng cả hai bản có lỗi đều vi phạm tính chất đáng lẽ phải thỏa mãn. Một bộ xác minh chấp nhận mọi thứ thì chẳng chứng minh được gì. Một bộ bắt được đúng những lỗi thật từng tồn tại mới là đang làm việc thật.

Về phần con người soát lại, DeepMind nói khoảng 1% khối lượng công việc cần người ra quyết định — những ca mơ hồ mà việc dịch “cái này nên an toàn” thành một phát biểu hình thức không thể làm máy móc được. Lãnh đạo kỹ thuật của Signal được trích dẫn trong bài công bố, gọi cách làm này là một bước đột phá lớn, cụ thể là bước nhảy từ “code đang chạy, đã biên dịch” sang “định lý Lean hợp lệ” — một bước dịch khó hơn nhiều so với chứng minh một thuật toán đã được hình thức hóa sẵn trên giấy.

Vì sao chuyện này đáng quan tâm ngoài phạm vi Signal

Mình đã theo dõi ba đợt tin kiểu “AI tìm ra lỗ hổng” rồi — PHP2Shell, lỗi RCE tồn tại cả chục năm do Wiz dùng nhiều model frontier tìm ra, hay pipeline khai thác kernel của OpenAI tạo ra hàng trăm exploit root thật với chi phí vài nghìn đô mỗi cái. Tất cả đều là biến thể của việc AI giỏi hơn trong việc phá vỡ thứ gì đó. AlphaProof Code là trường hợp đầu tiên mình viết về việc AI giỏi đến mức chứng minh thứ gì đó không bị phá vỡ, ở một quy mô đủ để thay đổi bài toán kinh tế của việc có đáng thử hay không.

Nếu bạn dẫn một đội viết code mã hóa, logic xác thực, hay bất kỳ thứ gì mà một lỗi logic tinh vi là thảm họa chứ không chỉ phiền toái, con số bốn tuần là thứ đáng ngẫm nhất. Xác minh hình thức trước đây là thứ chỉ dành cho một vài thành phần mỗi năm, vì một nỗ lực chứng minh kéo dài nhiều năm không thể theo kịp nhịp release bình thường. Một nỗ lực bốn tuần, dù vẫn cần năm người giỏi cầm lái, bắt đầu trông giống thứ bạn có thể lên ngân sách cho một hệ thống con trọng yếu, thay vì coi là xa xỉ phẩm nghiên cứu.

Điểm cần nói thẳng: đây là một case study, trên giao thức của một đội được tài trợ tốt, làm cùng chính phòng lab tạo ra công cụ. Chưa có con số chi phí công bố, và “khá nhiều token” là cách DeepMind tự mô tả lượng compute dùng, chứ chưa phải con số bạn đưa vào ngân sách được. Mình coi đây là bằng chứng cho một hướng đi, chưa phải công cụ tải về dùng tuần này. Nhưng hướng đi đó đáng để lên kế hoạch: chứng minh code đúng đang rẻ dần đến mức không còn là chuyện ngoại lệ.

Nguồn: Google DeepMind, “Introducing AlphaProof Code”, 10/11/2026.

Thảo luận

Bình luận được duyệt trước khi công khai. Email của bạn được giữ riêng tư.

← Về danh sáchRead in English