Kode AlphaProof Membuktikan Kripto Signal Benar — hingga Level Biner Hasil Kompilasi

Enam setengah juta baris Lean, dihasilkan dalam empat minggu, oleh tim agen yang tidak dibantu manusia untuk menulisnya. Itulah angka utama yang diterbitkan G​oogle DeepMind pada 10 November 2026 untuk AlphaProof Code, sebuah kerangka kerja agentik untuk verifikasi formal yang digunakan laboratorium tersebut untuk memeriksa secara mesin inti kriptografis protokol Signal — dan, secara tidak biasa, memeriksanya pada tingkat biner AArch64 hasil kompilasi, bukan dokumen desain di atasnya. Model yang melakukan pekerjaan itu adalah soal lain. satu kunci API pada harga daftar penyedia dengan markup 0% Mesin para agen pembuktian bukanlah sesuatu yang kami sediakan.

Kerangka kerja ini bukan model yang bisa Anda panggil. Ini adalah harness: pakar manusia memutuskan apa yang harus benar, campuran model mengubah tujuan-tujuan itu menjadi spesifikasi Lean, lalu tim agen penulis bukti — blog menyebut G​emini Carbon sebagai mesinnya — mengisi bukti-bukti tersebut sampai kernel Lean menerimanya. Yang dirilis bersamaan dengan pengumuman itu adalah kumpulan artefak, di github.com/google-deepmind/code-verification, dan sebuah makalah teknis yang jauh lebih terbuka tentang batas-batas hasilnya daripada postingan blog tersebut. Sebagian besar dari yang berikut ini berasal dari makalah itu, karena makalah itulah tempat angka-angka menarik berada.

Apa yang sebenarnya dibuktikan, dan terhadap apa

Targetnya adalah libsignal v0.105.4 dengan spqr v1.6.0, yang dibangun oleh rustc 1.98.1 bawaan, ditautkan secara statis terhadap musl, dan dihasilkan sebagai satu executable Linux AArch64. Detail itu lebih penting daripada benchmark apa pun: pembuktiannya adalah tentang byte yang akan berjalan di ponsel, bukan tentang fungsi Rust yang dipercaya akan diterjemahkan secara setia oleh kompilator. Tim tersebut memverifikasi sekitar 560 KB kode sumber libsignal, sekitar 140.000 instruksi AArch64, dan mereka melakukannya dengan menulis model Lean dari set instruksi — 467 instruksi dan 31 panggilan sistem, dalam 7.578 baris — lalu membuktikan bahwa image ELF sesungguhnya, yang dimuat dan dieksekusi di bawah model tersebut, mempertahankan properti keamanan.

Sifat-sifat tersebut adalah yang akan diminta oleh seorang insinyur protokol. Sepuluh teorema simbolik mencakup kerahasiaan maju, keamanan pascakompromi, kerahasiaan inisiator dan responder, autentikasi, serta lima korolari dari Teorema 1 PQXDH. Hasil utamanya bernama signal_session_secure_placed. Ada juga jalur komputasional dengan batas konkret, dan kedua jalur menggunakan model penyerang yang berbeda: sisi simbolik (Dolev–Yao, melalui kerangka kerja DyLean) bahkan mencakup penyerang kuantum yang mematahkan Diffie–Hellman setelah handshake, sedangkan sisi komputasional hanya mencakup penyerang klasik.

Ke mana enam juta baris itu pergi

“Lebih dari enam juta baris” adalah frasa blog itu dan akurat tetapi terlalu umum. Rincian dalam makalah itulah yang berguna, dan layak dibaca sebagai tabel biaya alih-alih sebagai ajang pamer:

• Bukti untuk biner — 5,3 juta baris, sebagian besar pekerjaan, mencakup semantik kode mesin dan refinement dari model simbolik hingga ke executable.

• Bukti komputasional — sekitar 860.000 baris.

• Bukti simbolik — sekitar 350.000 baris.

• Bukti sanggahan bug — sekitar 140.000 baris, untuk dua kerentanan yang sengaja diperkenalkan kembali yang dijelaskan di bawah ini.

• Bukti alokator — sekitar 70.000 baris.

Hampir tujuh juta baris jika Anda menghitung komentar dan baris kosong, yang dilakukan makalah itu tetapi tidak dilakukan blog itu. Apa pun itu, rasio yang penting adalah antara pembuktian dan hal yang dibuktikan: 6,5 juta baris Lean untuk menetapkan sifat-sifat biner berukuran 560 KB. Rasio itu adalah ukuran jujur seberapa jauh teknik ini dari menjadi rutin, dan itulah angka yang perlu dikutip ketika seseorang bertanya apakah verifikasi formal sudah menjadi murah.

Basis tepercaya lebih kecil daripada buktinya, dan itulah intinya.

Sebuah pembuktian hanya sekuat apa yang diasumsikannya. Makalah ini spesifik tentang hal ini, dan kekhususan itulah yang membedakannya dari siaran pers. Spesifikasi yang dipercaya berjumlah sekitar 18.000 baris (28.000 dengan dokumentasi), semantik AArch64 sekitar 8.000, dan penyandian Lean untuk kode mesin sekitar 95.000. Tiga puluh tujuh rutin diganti dengan kontrak alih-alih diverifikasi — kompresi SHA-256 dan SHA-512, AES-256-CBC, X25519, operasi kurva Edwards, Kyber1024 dan ML-KEM-768, serta HMAC libcrux. Delapan belas titik masuk panic juga diasumsikan alih-alih dibuktikan.

Jadi klaimnya bukan "semuanya terbukti." Klaimnya adalah bahwa logika protokol kriptografis, mesin status sesi, dan penghalusan dari logika itu ke instruksi yang benar-benar dieksekusi telah dibuktikan, sementara primitif di bawahnya dipercaya sebagaimana setiap proyek verifikasi mempercayai primitifnya. Kompiler Rust, secara khusus, tidak berada dalam basis tepercaya — tim menghindari kebutuhan untuk mempercayainya dengan bernalar pada tingkat kode mesin, yang merupakan trik yang sama yang memungkinkan mereka sepenuhnya menghindari kompiler terverifikasi. Sebagai konteks skala, makalah tersebut mengutip seL4 sekitar 20 orang-tahun dan CompCert sekitar 6.

Dua bug, dikembalikan dengan sengaja

Sistem verifikasi yang hanya pernah mengatakan "benar" tidak dapat diuji. Jadi tim mengambil dua kerentanan yang sebelumnya telah ditemukan dan diperbaiki dalam kode Signal — sebuah bug status lemah dan bug subgrup kecil — memasukkan kembali keduanya ke salinan terisolasi, dan menjalankan ulang pipeline. Dalam kedua kasus, AlphaProof Code menghasilkan bukti yang diperiksa mesin bahwa versi yang bermasalah gagal memenuhi teorema keamanan: pernyataan simbolik tersebut tereduksi menjadi ¬Sec(Asm_bug).

Makalah ini menambahkan peringatan yang mungkin akan dihilangkan oleh halaman pemasaran: membantah komputasional teorema untuk bug-bug tersebut "jauh lebih sulit" dan dibiarkan terbuka. Dengan kata lain, uji negatif bekerja dengan bersih pada jalur simbolik dan belum bekerja pada jalur komputasional. Itulah jenis asimetri yang harus diketahui pembaca sebelum memperlakukan kerangka kerja tersebut sebagai pendeteksi bug.

Bagaimana agen-agen tersebut dijalankan

Lima peneliti selama empat minggu, masing-masing menjalankan agen tanpa henti. Penulisan bukti itu sendiri dilakukan oleh tim beranggotakan 40 hingga 80 agen, yang berjalan antara 24 dan 72 jam pada satu mesin per tim, dengan agen pengawas di atas orkestrator tim. Agen penjaga gerbang memeriksa setiap kiriman dengan komparator terhadap salinan spesifikasi yang disisihkan dan terhadap kernel Lean — pertahanan terhadap agen yang membuktikan versi yang sedikit dilemahkan dari apa yang diminta.

Pekerjaan manusia lebih banyak dialokasikan di awal pada spesifikasi. Setiap spesifikasi ditinjau oleh seorang ahli sebelum pekerjaan pembuktian dimulai, dan proses audit internal agen menandai sekitar 1% basis kode untuk perhatian manusia. Tidak ada manusia yang menulis kode pembuktian. Makalah tersebut juga blak-blakan soal rekayasanya: build yang bersih bisa memakan waktu beberapa jam, pada tahap awal suntingan kecil pada sumber atau biner yang dikompilasi ulang memaksa perbaikan pembuktian yang besar, dan terdapat "ruang yang besar untuk optimasi" baik pada pembuktian yang dihasilkan AI maupun pada teknik pembuktian itu sendiri.

Apa yang tidak dicakup oleh bukti-bukti tersebut

Keterbatasannya cukup panjang sehingga menjadi bagian terpenting dari makalah, dan dinyatakan secara gamblang. Tidak ada jaminan pasca-kuantum yang ditetapkan untuk sifat pemulihan SPQR — teorema ratchet mengasumsikan penyerang memilih kunci SPQR. Privasi payload tidak dibuktikan. Autentikasi responder tidak dibuktikan untuk pesan pertama dari handshake yang tidak pernah dipromosikan. Model ini mengizinkan satu sesi per promosi, panjang pesan tetap, tanpa status multiperangkat, dan kunci identitas trust-on-first-use.

Ada juga batas yang menjadi vakum. Suku pemalsuan MAC 8-byte setidaknya 2⁻⁶⁴ per percobaan dan tumbuh secara kuadratik terhadap jumlah pesan dan epoch, yang berarti batas tersebut berhenti menyatakan apa pun untuk satu sesi dengan sekitar 25.000 pesan, atau untuk 2²⁰ sesi yang masing-masing berisi 2¹⁰ pesan. Dan subjek pembuktiannya adalah build libsignal-cli milik tim yang dijalankan sebagai proses baru — bukan aplikasi Signal di ponsel Anda. Beberapa asumsi lingkungan diargumentasikan secara informal alih-alih dibuktikan.

Tidak ada API, tidak ada harga, dan tidak ada model yang bisa dipanggil

Inilah bagian yang akan mengecewakan siapa pun yang datang dari papan peringkat model. AlphaProof Code adalah kerangka penelitian dan kumpulan artefak yang diterbitkan. Tidak ada endpoint, tidak ada tarif per token, tidak ada daftar tunggu, dan tidak ada bobot: repositori tersebut berisi pengembangan Lean, semantik AArch64, binding libsignal, dan spesifikasi, bukan checkpoint. Blog menyatakan bahwa artefak tersebut telah open-source; halaman landing tidak mencantumkan lisensi, yang perlu diperiksa sebelum siapa pun berencana membangun di atasnya.

Model yang mengerjakan pekerjaan itu adalah pertanyaan yang berbeda. Makalah tersebut menyebut G​emini 4 Carbon untuk agen pembuktian dan menyatakan Claude Opus 5.5 digunakan bersama model lain untuk menyusun dan meninjau spesifikasi. Claude Opus 5.5 ada di katalog OrcaRouter hari ini dengan harga $4 per juta token input dan $20 per juta token output, dengan harga daftar penyedia diteruskan pada markup 0% — jadi jika intisari praktis yang Anda inginkan adalah "menjalankan loop penyusunan draf spesifikasi dengan model yang digunakan makalah tersebut," bagian itu adalah panggilan API biasa, dan perubahan harga vendor akan sampai ke sisi kami pada hari yang sama. Mesin agen pembuktian bukan sesuatu yang kami layani, dan tidak ada apa pun di sini yang menyiratkan bahwa kami menghosting AlphaProof Code itu sendiri.

Mengapa ini lebih penting daripada hasil Signal

Verifikasi Signal mengesankan dengan sendirinya — verifikasi formal pertama atas implementasiprotokol yang digunakan secara luas dengan metode apa pun, dengan atau tanpa AI, menurut DeepMind, dan pertama kalinya AI memverifikasi protokol kriptografis yang digunakan pada kedalaman ini. Namun klaim yang dapat ditransfer adalah alur kerjanya. Tim berisi lima orang, dalam empat minggu, dengan langkah tinjauan spesifikasi dan gatekeeper agen, menghasilkan korpus bukti yang sebelumnya akan menjadi proyek bertahun-tahun. Jika rasio itu berlaku bahkan secara longgar, kumpulan sistem yang mampu membiayai verifikasi akan berubah: firmware perangkat medis, perangkat lunak jaringan listrik, jenis kode yang saat ini hanya mendapat tinjauan kode dan doa.

Apakah hal itu berlaku masih belum teruji. Kriptografi Signal dispesifikasikan dengan sangat baik, tim tersebut memiliki engineer Signal sendiri yang meninjau metodologi, dan primitif-primitifnya diserahkan melalui kontrak kepada pihak luar alih-alih diverifikasi. Sistem berikutnya tidak akan begitu akomodatif. Kerangka dalam makalah itu sendiri — memasangkan verifikasi formal dengan agen pertahanan otomatis seperti CodeMender — adalah bentuk jujur dari tawarannya: verifikasi memberi tahu Anda apa yang benar, dan hal lain harus memperbaiki apa yang tidak.

Apa yang harus ditonton

Tiga hal akan mengubah ini dari makalah tonggak sejarah menjadi teknik industri. Sebuah basis kode kedua yang independen yang diverifikasi oleh seseorang di luar G​oogle, idealnya yang spesifikasinya harus ditulis dari nol alih-alih diadaptasi dari analisis yang sudah ada. Sebuah angka biaya — jam-agen, jam-akselerator, dolar — karena empat minggu dan tim berisi 40 hingga 80 agen bukanlah satuan yang bisa dijadikan dasar anggaran oleh manajer teknik mana pun. Dan penyangkalan bug pada jalur komputasional, yang dibiarkan terbuka oleh makalah tersebut dan yang menjadi pembeda antara sistem yang membuktikan properti dan sistem yang juga dapat memberi tahu Anda, secara komputasional, bahwa biner tertentu rusak.

Hingga saat itu, bacalah repositori artefak, bukan pengumumannya. Bukti-buktinya ada di sana, Lean memeriksanya, dan makalahnya memberi tahu Anda persis apa yang mereka asumsikan.