Google DeepMind gab am 10. November 2026 bekannt, mit AlphaProof Code ausgewählte Sicherheitseigenschaften des Codes verifiziert zu haben, der das Signal-Protokoll implementiert. KI-Agenten erzeugten dafür mathematische Beweise, die anschließend maschinell geprüft wurden. Die vollständige Signal-App war laut 9to5Mac nicht Gegenstand dieser Verifikation.

AlphaProof Code ist ein System für formale Verifikation, das menschliche Fachkenntnis mit mehreren KI-Modellen und Agenten verbindet. Sein Ansatz: Sicherheitsziele werden mathematisch formuliert, Beweise dafür erzeugt und gegen diese Vorgaben geprüft. Für Signal-Technikchef Ehren Kret bedeutet das zusätzliche Zuversicht:

“having the core Signal protocol rigorously verified with automated theorem proving gives us even greater confidence that our code delivers on its privacy guarantees.”— Ehren Kret, Technikchef von Signal

Welche Eigenschaften des Signal-Codes wurden geprüft?

Die Untersuchung betraf nach Angaben von The Register den Verbindungsaufbau PQXDH und Triple Ratchet in libsignal, der Implementierung des Signal-Protokolls. Google DeepMind beschrieb den Ansatz als Verifikation, die bis zum kompilierten Code reicht – also bis zu einer ausführbaren Umsetzung des Programms.

Zu den von The Register genannten Eigenschaften gehören Authentifizierung, Geheimhaltung beim Verbindungsaufbau, Vorwärtsgeheimnis und Sicherheit nach einer Kompromittierung. Die beiden letzten Begriffe betreffen den Schutz von Nachrichten vor und nach einem vorübergehenden Zugriff auf ein Gerät. Es geht damit um präzise beschriebene Sicherheitsversprechen für bestimmte Protokollfunktionen.

The Register nennt zugleich eine wesentliche Voraussetzung: Das Ergebnis beruht auf der Annahme perfekter Kryptografie und garantiert nicht die rechnerische Geheimhaltung konkreter Bytes. Die kryptografischen Bausteine gelten im Modell also als ideal; der formale Nachweis arbeitet innerhalb dieser Annahme.

Auch die vollständigen Anwendungen von WhatsApp und Google Messages, die ebenfalls Signal-Technik einsetzen, wurden laut 9to5Mac durch diese Arbeit nicht verifiziert.

Wie arbeiten Menschen, KI-Agenten und Lean zusammen?

Vier verbundene Schritte zeigen den Ablauf von Signals Sicherheitszielen über die von Fachleuten geprüfte Spezifikation und KI-generierte Beweise bis zur Beweisprüfung durch Lean.

Menschen und Modelle übersetzten zunächst die Sicherheitsziele von Signal in eine formale Spezifikation. Das ist eine mathematisch eindeutige Beschreibung der Eigenschaften, die der untersuchte Code erfüllen soll. Laut Google DeepMind prüften Fachleute jede dieser Spezifikationen.

Diese Arbeit bestimmt die Aussagekraft des späteren Ergebnisses. Ein Beweis beantwortet schließlich genau die mathematische Frage, die zuvor formuliert wurde. Deshalb gehört zur Verifikation nicht nur das Finden eines gültigen Beweises, sondern auch die sorgfältige Festlegung des Sicherheitsziels.

Danach erzeugten Agenten auf Basis von Gemini Carbon Beweise in Lean. Lean ist eine Sprache und ein System zur formalen Beweisprüfung. Der Prüfer kontrolliert, ob die erzeugten Beweise unter den festgelegten Voraussetzungen tatsächlich zur Spezifikation passen. Die überzeugend klingende Antwort eines Sprachmodells reicht dafür nicht aus.

Die KI schlägt den Beweis vor. Lean prüft ihn gegen die Spezifikation, die zuvor von Fachleuten geprüft wurde.

Die menschliche Kontrolle blieb auch im weiteren Ablauf erhalten: Google DeepMind zufolge markierten die Agenten 1 Prozent der Codebasis für eine zusätzliche menschliche Prüfung; Lean prüfte den Rest. Diese zusätzliche Auswahl kam zur Prüfung sämtlicher Spezifikationen hinzu.

In der Reddit-Diskussion zum Projekt fragten Leser außerdem nach möglichen Fehlern in Lean selbst. Damit richtet sich der Blick auf das Prüfwerkzeug: Lean übernimmt in diesem Ablauf die vertrauenswürdige Kontrollinstanz. Die Gültigkeit des Ergebnisses bleibt an die Spezifikation und die Annahmen der Prüfumgebung gebunden.

Was zeigte der Test mit zwei bekannten Fehlern?

Google DeepMind berichtete von einem vierwöchigen Projekt und einem gezielten Kontrollversuch: Das Team führte zwei bereits behobene Fehler erneut in isolierte Fassungen des Signal-Codes ein. AlphaProof Code erzeugte anschließend maschinell geprüfte Beweise dafür, dass beide veränderten Fassungen unsicher waren.

Der Kontrollversuch ergänzte den Nachweis für den untersuchten Code um einen konkreten Gegenfall. Die Forscher veränderten die Implementierung so, dass bekannte Sicherheitsfehler wieder vorhanden waren, und erhielten für beide Fassungen einen Unsicherheitsnachweis. Der berichtete Test umfasste diese beiden Fehler.

Axios beschrieb die Arbeit als Forschungsprojekt und nicht als kommerziell erhältliches Cybersicherheitsprodukt.

Was unterscheidet den Ansatz von der Signal-Analyse aus dem Jahr 2020?

Signal war bereits vor AlphaProof Code Gegenstand formaler Sicherheitsanalysen. Eine im September 2020 veröffentlichte Studie untersuchte den ursprünglichen Schlüsselaustausch X3DH und Double Ratchet in einem abstrakten mathematischen Modell. Der Unterschied zur Arbeit von 2026 liegt vor allem in der Ebene, auf der die Sicherheitseigenschaften nachgewiesen werden.

UntersuchungUntersuchter GegenstandEbene des Nachweises
Formale Sicherheitsanalyse von 2020X3DH und Double Ratchet als Kern des SchlüsselaustauschsStandard-Sicherheitseigenschaften in einem abstrakten Modell eines mehrstufigen authentifizierten Schlüsselaustauschs
AlphaProof Code, angekündigt am 10. November 2026Ausgewählte Sicherheitseigenschaften der Signal-ProtokollimplementierungVon Google DeepMind beschriebene Verifikation mit Bezug zum Implementierungscode bis hin zum kompilierten Code

Ein Protokollmodell beschreibt die Regeln des Verfahrens in mathematischer Form. Bei einer Implementierung kommt die Frage hinzu, ob der ausführbare Code die festgelegten Eigenschaften tatsächlich erfüllt. Genau dieser Abstand zwischen beschriebenem Verfahren und ausführbarem Programm macht die Implementierungsebene interessant: Ein korrektes Modell und eine korrekte Umsetzung sind zwei eigenständige Aufgaben.

Google DeepMind kündigte außerdem an, die Artefakte der formalen Verifikation der Community als Open Source bereitzustellen.