گسترش دسترسی به مدل Gemini 4 Carbon و کاربرد آن در تایید رسمی پروتکل Signal

Google Widens Gemini 4 Carbon Access After AI Agents Verify Signal Code

گوگل دسترسی به مدل هوش مصنوعی Gemini 4 Carbon را برای توسعه‌دهندگان و کسب‌وکارها گسترش داده است. این مدل با موفقیت در پروژه‌ای توسط Google DeepMind برای تایید رسمی امنیت پروتکل Signal به کار گرفته شده است.

گسترش دسترسی و قابلیت‌های امنیتی

گوگل اعلام کرد که مدل Gemini 4 Carbon اکنون از طریق Gemini API و Gemini for business در دسترس توسعه‌دهندگان و سازمان‌ها قرار گرفته است. مشترکین Google AI Ultra نیز به این مدل دسترسی دارند. نرخ‌های مقدماتی تا ۳۰ نوامبر معادل ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی تعیین شده است که پس از این تاریخ دو برابر خواهد شد.

پیش از این، دسترسی به این مدل محدود به اعضای برنامه Fairwind بود. این مدل در شناسایی، بهره‌برداری و رفع آسیب‌پذیری‌ها عملکرد بالایی دارد؛ به طوری که تیم Wiz از آن برای یافتن آسیب‌پذیری‌های روز صفر در دو ارائه‌دهنده بزرگ SaaS در کمتر از دو ساعت استفاده کرده است. همچنین تیم CVR گوگل با استفاده از این مدل، قابلیت بهره‌برداری از دو باگ در یک پروژه متن‌باز را تایید کرد که منجر به بازنگری در سطح اهمیت و ارائه سریع وصله شد.

تایید رسمی پروتکل Signal با استفاده از AlphaProof Code

تیم Google DeepMind با معرفی AlphaProof Code، ترکیبی از متخصصان انسانی و عامل‌های هوش مصنوعی را برای تایید ریاضی امنیت نرم‌افزار به کار گرفت. این تیم بر روی libsignal، پیاده‌سازی مرجع پروتکل Signal که در WhatsApp و Google Messages نیز استفاده می‌شود، تمرکز کرد.

عامل‌های مبتنی بر Carbon و Claude Opus 5.5 با همکاری متخصصان، حدود ۶.۵ میلیون خط اثبات Lean تولید کردند. این فرآیند که به طور سنتی سال‌ها زمان می‌برد، توسط ۵ محقق در مدت ۴ هفته انجام شد. این اثبات‌ها تضمین‌های امنیتی کلیدی مانند محرمانگی پیشرو (Forward Secrecy)، امنیت پس از نفوذ و احراز هویت را در کد ماشین کامپایل شده تایید می‌کنند.

نکته‌های کلیدی

• دسترسی عمومی به Gemini 4 Carbon برای توسعه‌دهندگان و کسب‌وکارها فراهم شد.
• مدل Carbon در شناسایی سریع آسیب‌پذیری‌های روز صفر و تایید بهره‌برداری از باگ‌ها موثر بوده است.
• پروژه AlphaProof Code موفق شد امنیت پروتکل Signal را به صورت ریاضی تایید کند.
• تولید ۶.۵ میلیون خط اثبات Lean با کمک هوش مصنوعی در ۴ هفته انجام شد.
• نتایج تاییدیه شامل کد کامپایل شده است و کانال‌های جانبی (Side Channels) در این تحلیل لحاظ نشده‌اند.

چه باید کرد

• توسعه‌دهندگان و تیم‌های امنیتی می‌توانند از طریق Gemini API از قابلیت‌های Carbon برای تحلیل امنیتی استفاده کنند.
• سازمان‌ها باید مشخصات و اثبات‌های منتشر شده توسط گوگل برای پروتکل Signal را جهت بررسی دقیق‌تر امنیت پیاده‌سازی‌های خود مطالعه کنند.
• تیم‌های امنیتی باید از مدل‌های هوش مصنوعی برای تسریع در فرآیند تایید رسمی (Formal Verification) کدهای حساس استفاده کنند.