JOURNAL / 2026.11.11
AlphaProof Code verifica propiedades criptográficas de libsignal: qué garantiza la prueba
DeepMind conecta propiedades de seguridad de Signal con código máquina mediante agentes y Lean. El avance amplía lo que puede verificarse, pero también desplaza el trabajo hacia decidir exactamente qué debe demostrarse.
¿Qué tendría que entregar una IA para que confiáramos en la seguridad de un programa? AlphaProof Code, presentado por Google DeepMind el 10 de noviembre, ofrece una respuesta concreta: demostraciones comprobables sobre código existente. El proyecto combina expertos y agentes; las pruebas las generan agentes con Gemini 4 Carbon y las comprueba Lean. La intervención humana incluye revisar las especificaciones, es decir, los enunciados que fijan qué significa cumplir el objetivo.
La investigación original conecta garantías criptográficas de libsignal con un ejecutable AArch64. Aborda el establecimiento de sesiones PQXDH y Triple Ratchet. El equipo de cinco personas trabajó cuatro semanas y dedicó la mayor parte del esfuerzo a las especificaciones. El alcance tiene fronteras importantes: se estudia una compilación de una herramienta de línea de comandos, no las aplicaciones completas de Signal; varias rutinas se representan mediante contratos asumidos. Lean comprueba las deducciones, pero la fidelidad de esas premisas necesita revisión.
Esto amplía una historia que ya seguimos con Claude y Theorem. Aquel trabajo se centraba en garantías sobre fallos de ejecución en bibliotecas. Aquí la pregunta es qué puede aprender o falsificar un adversario al interactuar con un protocolo. Mi lectura es que el cambio relevante está en la riqueza de la propiedad: poder demostrar que un programa respeta un objetivo de seguridad que exige razonar sobre mensajes, claves y sucesivas interacciones.
La guía de la prueba computacional precisa que trata sesiones entre dos participantes y que no incorpora los teoremas poscuánticos de los trabajos de referencia. Es una cautela esencial al leer nombres como PQXDH: utilizar un componente diseñado para resistencia cuántica no convierte automáticamente cualquier prueba sobre él en una garantía frente a adversarios cuánticos.
Hay herramientas para examinar esa distancia entre el titular y el resultado. El mapa del paper al código enlaza afirmaciones con declaraciones de Lean y distingue resultados demostrados, condicionales y abiertos. También enumera restricciones, como tamaños máximos de entrada. Para quien mantiene una dependencia, ese mapa resulta más útil que una cifra de líneas generadas: permite localizar qué afirmación sostiene una decisión y qué condiciones podrían invalidarla.
El repositorio público documenta la compilación y comprobación, con versiones fijadas de las herramientas. Incluye un comparador que revisa que los teoremas coincidan con los enunciados de confianza, incluidas sus definiciones transitivas, y vuelve a comprobar las pruebas en un núcleo nuevo. Ese detalle responde a un problema práctico: demostrar algo más fácil después de cambiar una definición puede producir una prueba válida del objetivo equivocado. La disponibilidad de los artefactos permite escrutinio; no significa que nosotros hayamos reproducido el resultado.
Para construir con esta tecnología, empezaría por una pregunta acotada y con consecuencias visibles. Por ejemplo, en un servicio de documentos compartidos, querría precisar cuándo la revocación debe impedir una lectura y qué ocurre con las sesiones ya abiertas. Hacer explícitas esas decisiones podría descubrir desacuerdos del producto antes de que ningún agente intentara demostrar nada. Es un ejemplo propio, no una aplicación ensayada por DeepMind.
Después pediría que la garantía viajara junto con el programa: versión exacta, enunciado, supuestos y procedimiento de comprobación. Una actualización que alterara el tratamiento de sesiones exigiría revisar qué pruebas siguen siendo pertinentes. También presupuestaría esa revisión; la publicación no establece el coste de mantener garantías equivalentes en un servicio corriente.
Mi opinión es que aquí aparece una oportunidad más duradera que automatizar otra fase de programación: hacer revisables decisiones de seguridad que hoy suelen quedar repartidas entre documentos y código. El riesgo sería convertir «verificado» en una etiqueta que dispense de leer el enunciado. Adoptaría el método por las preguntas precisas que obliga a responder y por los artefactos que deja para discutirlas.
Fuentes primarias consultadas el 11 de noviembre de 2026. No hemos ejecutado el verificador ni reproducido las pruebas. La comparación editorial y las propuestas de adopción son análisis propio.