Google DeepMind maakte op 10 november 2026 bekend dat AlphaProof Code geselecteerde beveiligingseigenschappen van code achter het Signal-protocol formeel had geverifieerd. Volgens het bedrijf reikte de analyse tot gecompileerde code. De verificatie omvatte niet de volledige Signal-app.
AlphaProof Code combineerde menselijke expertise met meerdere AI-modellen en agents om wiskundige bewijzen over software op te stellen. Dat gaat verder dan code door een taalmodel laten beoordelen: de gegenereerde bewijzen werden door het bewijssysteem Lean gecontroleerd aan de hand van vooraf vastgelegde eisen.
Ehren Kret, technisch directeur van Signal, reageerde op het onderzoek:
“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, technisch directeur van Signal
Welke onderdelen van het Signal-protocol zijn onderzocht?
Volgens The Register betrof het onderzoek de PQXDH-handshake en Triple Ratchet in libsignal, de implementatie van het protocol. De handshake is de beginfase waarin de cryptografische verbinding wordt opgezet. Het blad noemt authenticatie, geheimhouding van die handshake, voorwaartse geheimhouding en beveiliging na een tijdelijke compromittering als onderzochte eigenschappen.
Die laatste twee eigenschappen maken duidelijk waarom dit onderzoek interessant is. Voorwaartse geheimhouding beschermt eerdere berichten wanneer een apparaat later wordt gecompromitteerd. Beveiliging na compromittering gaat over het herstel van bescherming nadat een aanvaller tijdelijk toegang heeft gehad. De verificatie richtte zich dus onder meer op de bescherming rond zo’n inbraak, binnen de vastgelegde voorwaarden van het model.
The Register vermeldde daarbij dat de analyse uitging van perfecte cryptografie en geen garantie gaf voor de computationele geheimhouding van de daadwerkelijke bytes. In zo’n model worden de cryptografische bewerkingen als ideale bouwstenen behandeld; de aannames maken deel uit van het formele resultaat.
Het Signal-protocol wordt ook gebruikt door WhatsApp en Google Messages. Zoals 9to5Mac bij de aankondiging benadrukte, waren de volledige apps van die diensten evenmin geverifieerd. Het gebruik van verwante protocoltechnologie en het onderzoeken van een complete berichtenapp zijn verschillende onderzoeksvragen.
Hoe werkten mensen, AI-agents en Lean samen?
Mensen en modellen vertaalden de beveiligingsdoelen van Signal naar een formele specificatie: een wiskundig precieze beschrijving van de eigenschappen waaraan de onderzochte code moest voldoen. Volgens Google DeepMind beoordeelden menselijke experts iedere specificatie.
Dat menselijke werk is doorslaggevend. Een bewijs kan volledig kloppen bij de gestelde eis, terwijl die eis maar een deel van het gewenste gedrag beschrijft. Daarom moet je eerst zorgvuldig bepalen welke beveiligingseigenschap je wilt bewijzen en onder welke aannames die geldt. Pas daarna heeft het construeren van het bewijs zin.
Agents op basis van Gemini Carbon genereerden vervolgens bewijzen in Lean. Lean controleerde of die bewijzen geldig waren ten opzichte van de specificatie. De rollen waren daarmee duidelijk verdeeld: mensen beoordeelden de eisen, agents deden het bewijswerk en Lean controleerde de formele redenering.
Bij formele verificatie is de specificatie bepalend: daarin staat precies welke beveiligingseigenschap het bewijs moet onderbouwen.
Google DeepMind meldde daarnaast dat de agents 1% van de codebasis markeerden voor aanvullende menselijke controle. Die extra codebeoordeling stond naast de menselijke beoordeling van alle specificaties.
Op Reddit riep het onderzoek onder meer de vraag op of Lean zelf bugs kan bevatten. In deze opzet vervulde Lean de rol van controleur van de gegenereerde bewijzen. De geldigheid van het resultaat bleef gekoppeld aan de formele specificatie en de aannames van de bewijsopzet. Het verplaatsen van bewijswerk naar AI-agents veranderde die afhankelijkheid niet.
Hoe verschilt dit van de formele analyse uit 2020?
Signal was al eerder formeel onderzocht. Een in september 2020 gepubliceerde analyse, opgenomen in het publicatieregister van CISPA, behandelde de oorspronkelijke X3DH-sleutelovereenkomst en Double Ratchet als een abstract protocol voor geauthenticeerde sleuteluitwisseling in meerdere fasen. De onderzoekers bewezen standaardbeveiligingseigenschappen van die kern binnen hun model.
De twee onderzoeken richten zich op verschillende niveaus:
| Onderzoek | Onderzochte onderdelen | Niveau van de analyse |
| Formele analyse uit 2020 | Oorspronkelijke X3DH-sleutelovereenkomst en Double Ratchet | Abstract wiskundig model van de protocolkern |
| AlphaProof Code, aangekondigd op 10 november 2026 | Geselecteerde eigenschappen van protocolcode; volgens The Register PQXDH en Triple Ratchet in libsignal | Implementatiecode, volgens Google DeepMind tot op het niveau van gecompileerde code |
Een abstract model legt vast hoe een protocol werkt en welke eigenschappen uit dat ontwerp volgen. Een implementatie vertaalt het ontwerp naar uitvoerbare instructies. Onderzoek aan die implementatie behandelt daardoor een andere vraag: voldoet de onderzochte code ook aan de gespecificeerde eigenschappen?
Daar zit de betekenis van de stap naar gecompileerde code. Een bewijs over het protocolontwerp en een bewijs over de implementatie vullen elkaar aan, maar hebben een ander onderzoeksobject. Bovendien verschilden hier ook de onderzochte protocolonderdelen: X3DH en Double Ratchet in het eerdere werk, tegenover de door The Register genoemde PQXDH en Triple Ratchet in het nieuwere onderzoek.
Wat gebeurde er bij de test met twee bekende bugs?
Google DeepMind rapporteerde een onderzoeksduur van vier weken en beschreef een controleproef met twee echte, eerder verholpen bugs. De onderzoekers brachten die fouten opnieuw aan in een geïsoleerde versie van de Signal-code.
Voor beide aangepaste versies produceerde het systeem machinaal gecontroleerde bewijzen dat ze onveilig waren. Daarmee kreeg de verificatie ook een concrete tegenproef: de opzettelijk beschadigde versies werden als onveilig aangemerkt. Het gerapporteerde resultaat betrof die twee teruggeplaatste fouten.
Axios omschreef het werk op 10 november 2026 als een onderzoeksproject, niet als een commercieel verkrijgbaar beveiligingsproduct. Google DeepMind kondigde aan de formele verificatieartefacten als opensource beschikbaar te stellen voor gebruik door de gemeenschap.