Los agentes de Google DeepMind verifican el código de cifrado de Signal en cuatro semanas

Los agentes de IA de Google DeepMind escribieron unos 6,5 millones de líneas de prueba, y a una persona le basta con leer unas 26.000 para fiarse del resultado. El trabajo, anunciado el martes, es una garantía comprobada por máquina de que el código compilado en el corazón del protocolo Signal cumple las propiedades de seguridad que fijaron los expertos. El protocolo protege miles de millones de conversaciones privadas, en la propia Signal y, en variantes, en WhatsApp y Google Messages. DeepMind dice que es la primera vez que la implementación de un protocolo de uso tan extendido se verifica formalmente con cualquier método, con o sin IA, y llevó cuatro semanas.

Demostrar código como se demuestra un teorema

La verificación formal consiste en demostrar, con el rigor de un teorema matemático, que un programa hace lo que dice su especificación para cualquier entrada posible, no solo para las que se le ocurrieron a quien lo probó. Es el máximo nivel de garantía del software y uno de los más lentos de alcanzar. La mayor parte del trabajo sobre protocolos criptográficos se queda en el diseño sobre el papel, señala DeepMind, mientras que las vulnerabilidades reales suelen esconderse en el hueco entre ese diseño y el código que de verdad se ejecuta.

AlphaProof Code bajó hasta el fondo de ese hueco. El equipo tomó la versión 0.105.4 de libsignal, la biblioteca de código abierto en el núcleo de Signal, la compiló para procesadores ARM de 64 bits y demostró propiedades del propio código máquina resultante. Las pruebas cubren el saludo inicial PQXDH, en el que dos personas acuerdan un secreto compartido, y el Triple Ratchet, que va cambiando las claves a medida que fluyen los mensajes.

Lo que esas líneas establecen tiene nombres abstractos y consecuencias concretas. El secreto hacia adelante significa que una clave robada hoy no puede abrir los mensajes de ayer. La seguridad poscompromiso significa que una conversación vuelve a ser privada después de que un teléfono haya sido hackeado temporalmente. Las pruebas también cubren la autenticación y, en un modelo simbólico, el secreto del saludo inicial frente a un futuro ordenador cuántico.

Una prueba tan larga plantea una pregunta evidente: ¿quién la revisa?

Las 26.000 líneas en las que una persona tiene que confiar

Lo hace Lean. Lean es un lenguaje de programación pensado para las demostraciones matemáticas, y su pequeño núcleo comprueba cada paso, así que nunca hay que fiarse de los agentes que escriben las pruebas. Las personas deciden qué demostrar. Los investigadores trabajaron con una mezcla de modelos, entre ellos Gemini 4 Carbon y Claude Opus 5.5, para convertir los objetivos de seguridad de Signal en especificaciones formales, «con expertos humanos revisando cada una», escribió DeepMind. Después, agentes impulsados por Gemini Carbon hicieron las demostraciones.

Los agentes trabajan como un grupo de investigación. En una campaña de pruebas típica, entre 40 y 80 de ellos funcionaron en una sola máquina durante 24 a 72 horas, con un arquitecto que diseñaba el plan general y un integrador que fusionaba las pruebas terminadas en una biblioteca común. Al final auditaron el resultado y señalaron alrededor del 1 % del código para que lo revisara una persona.

Lo que un lector tiene que dar por bueno son unas 18.000 líneas de definiciones más unas 8.000 que describen cómo ejecuta las instrucciones el procesador ARM. Impresa a 50 líneas por página, la prueba completa llenaría unas 130.000 páginas, mientras que la parte que debe leer una persona cabría en unas 520.

“Usar agentes de IA para traducir código en producción a teoremas válidos de Lean es un gran avance. — Ehren Kret, director de tecnología de Signal”

Para comprobar que el sistema distinguía el código bueno del malo, los investigadores volvieron a meter dos fallos reales, ya corregidos, en una copia aislada del código de Signal. En ambos casos, AlphaProof Code produjo una prueba comprobada por máquina de que la versión con el fallo era insegura. En el código que cubrió no encontró vulnerabilidades nuevas, lo que deja una pregunta mayor: ¿qué más podría recibir el mismo trato?

Lo siguiente: dispositivos médicos y redes eléctricas

El artículo técnico es preciso sobre dónde acaba la prueba. Cubre una compilación de libsignal y las conversaciones entre dos personas; los chats de grupo figuran como trabajo futuro. Los teoremas se apoyan en el programa compilado y no en las aplicaciones móviles de Signal, se da por supuesto que algunas rutinas criptográficas se comportan según lo especificado y la prueba de seguridad computacional solo considera atacantes clásicos.

El anuncio de DeepMind no dice cuánto costaron las cuatro semanas. El equipo ha publicado su especificación y sus pruebas en GitHub, para que otros investigadores puedan revisar el trabajo línea a línea y reutilizarlo.

Las ambiciones del laboratorio van mucho más allá de la mensajería. Verificar la criptografía central de Signal, dice, sienta las bases para proteger otros sistemas vitales, «desde el firmware de dispositivos médicos hasta el software de las redes eléctricas». Los protocolos criptográficos ya sostienen la banca en línea y la navegación web, donde un solo fallo puede exponer a millones de personas a la vez.

Durante décadas, una prueba de que un software real cumple sus promesas era algo que solo conseguían piezas de código pequeñas y críticas, tras años de trabajo experto. El núcleo de Signal ya tiene la suya, y llevó un mes.