Πόσο ασφαλείς είναι τελικά οι προσωπικές συνομιλίες που πραγματοποιούμε καθημερινά μέσω WhatsApp; Μια νέα έρευνα της Google DeepMind έρχεται να προσφέρει σημαντικές διαβεβαιώσεις για την τεχνολογία κρυπτογράφησης που προστατεύει δισεκατομμύρια μηνύματα παγκοσμίως. Αξιοποιώντας ένα νέο εργαλείο τεχνητής νοημοσύνης, οι ερευνητές κατάφεραν να αποδείξουν μαθηματικά ότι βασικές λειτουργίες ασφαλείας του πρωτοκόλλου Signal, το οποίο χρησιμοποιείται μεταξύ άλλων από το WhatsApp και το Google Messages, λειτουργούν όπως έχουν σχεδιαστεί.
Σύμφωνα με το περιοδικό WIRED, πρόκειται για μια σημαντική εξέλιξη τόσο στον τομέα της κυβερνοασφάλειας όσο και στην αξιοποίηση της τεχνητής νοημοσύνης για τον εντοπισμό πιθανών αδυναμιών σε λογισμικό. Παρότι ο έλεγχος δεν κάλυψε το σύνολο των εφαρμογών ανταλλαγής μηνυμάτων, τα αποτελέσματα ενισχύουν την εμπιστοσύνη στις κρυπτογραφικές μεθόδους που χρησιμοποιούνται για την προστασία των ιδιωτικών επικοινωνιών.
Πώς η Google έλεγξε την ασφάλεια των μηνυμάτων
Οι ερευνητές της Google DeepMind χρησιμοποίησαν ένα νέο σύστημα τεχνητής νοημοσύνης, με την ονομασία AlphaProof Code, για να πραγματοποιήσουν αυτό που στην επιστήμη των υπολογιστών ονομάζεται «τυπική επαλήθευση» (formal verification).
Πρόκειται για μια διαδικασία κατά την οποία χρησιμοποιούνται μαθηματικές αποδείξεις ώστε να επιβεβαιωθεί ότι συγκεκριμένες λειτουργίες ενός συστήματος συμπεριφέρονται όπως προβλέπει ο σχεδιασμός τους.
Σε αντίθεση με τους συμβατικούς ελέγχους ασφαλείας, που αναζητούν σφάλματα ή επιχειρούν να εκμεταλλευτούν πιθανές ευπάθειες, η τυπική επαλήθευση επιδιώκει να αποδείξει ότι ορισμένες ιδιότητες ασφαλείας ισχύουν υπό συγκεκριμένες προϋποθέσεις.
Η συγκεκριμένη τεχνολογία θεωρείται εδώ και χρόνια ένας από τους πλέον αξιόπιστους τρόπους ελέγχου του λογισμικού. Ωστόσο, η πρακτική εφαρμογή της είναι ιδιαίτερα απαιτητική, καθώς προϋποθέτει τη μετατροπή σύνθετων λειτουργιών σε μαθηματικούς τύπους και την ανάπτυξη εξίσου σύνθετων αποδείξεων.
Η τεχνητή νοημοσύνη μπορεί πλέον να επιταχύνει σημαντικά αυτή τη διαδικασία.
Στην περίπτωση του Signal, η ομάδα της DeepMind κατάφερε να ολοκληρώσει το ερευνητικό εγχείρημα μέσα σε μόλις τέσσερις εβδομάδες, αξιοποιώντας εργαλεία AI που αναλαμβάνουν διαδοχικά στάδια της μαθηματικής επαλήθευσης.
Τι έδειξε ο έλεγχος για WhatsApp και Signal
Το βασικό εύρημα της έρευνας είναι ότι οι επιστήμονες κατάφεραν να επιβεβαιώσουν μαθηματικά ορισμένες κρίσιμες εγγυήσεις ασφαλείας του πρωτοκόλλου Signal.
Το συγκεκριμένο πρωτόκολλο χρησιμοποιείται για την κρυπτογράφηση από άκρο σε άκρο (end-to-end encryption) και αποτελεί τη βάση προστασίας των επικοινωνιών σε εφαρμογές όπως το Signal, το WhatsApp και το Google Messages.
Η κρυπτογράφηση από άκρο σε άκρο έχει σχεδιαστεί ώστε το περιεχόμενο ενός μηνύματος να μπορεί να διαβαστεί μόνο από τον αποστολέα και τον παραλήπτη του, αποτρέποντας την πρόσβαση τρίτων στο περιεχόμενο κατά τη μετάδοσή του.
Στον έλεγχο που πραγματοποίησε η Google DeepMind δεν εντοπίστηκαν νέες ευπάθειες στα τμήματα του πρωτοκόλλου που εξετάστηκαν.
Οι ερευνητές προχώρησαν όμως και σε μια δεύτερη δοκιμή, χρησιμοποιώντας το AlphaProof Code για να εξετάσουν παλαιότερες εκδόσεις του Signal, στις οποίες υπήρχαν ήδη γνωστές αδυναμίες ασφαλείας που έχουν διορθωθεί.
Το εργαλείο αναγνώρισε σωστά τα προβλήματα, δείχνοντας ότι οι συγκεκριμένες εκδόσεις δεν μπορούσαν να περάσουν επιτυχώς τη διαδικασία μαθηματικής επαλήθευσης.
Η διαπίστωση αυτή αποτελεί μια πρόσθετη ένδειξη ότι η τεχνητή νοημοσύνη μπορεί να αξιοποιηθεί όχι μόνο για την επιβεβαίωση της ασφάλειας ενός συστήματος, αλλά και για την αναγνώριση αδυναμιών του.
Υπάρχει, πάντως, μια σημαντική διευκρίνιση: η έρευνα δεν αποδεικνύει ότι ολόκληρο το WhatsApp ή η εφαρμογή Signal είναι απολύτως ασφαλή. Ο έλεγχος αφορούσε συγκεκριμένες κρυπτογραφικές εγγυήσεις του πρωτοκόλλου και όχι κάθε λειτουργία ή κάθε πιθανό κίνδυνο για τους χρήστες.
Ο ρόλος της τεχνητής νοημοσύνης στην κυβερνοασφάλεια
Η δυνατότητα μαθηματικής επαλήθευσης λογισμικού με τη βοήθεια της AI θα μπορούσε να έχει εφαρμογές πολύ πέρα από τις υπηρεσίες ανταλλαγής μηνυμάτων.
Τράπεζες, χρηματοπιστωτικοί οργανισμοί, μεγάλες επιχειρήσεις και πάροχοι κρίσιμων υπηρεσιών χρησιμοποιούν πολύπλοκα πληροφοριακά συστήματα, στα οποία ακόμη και ένα μικρό προγραμματιστικό σφάλμα μπορεί να δημιουργήσει σοβαρούς κινδύνους.
Όπως εξήγησε στο WIRED ο Σουαράτ Τσαντούρι, ερευνητής της Google DeepMind, το αποτέλεσμα αποτελεί ένα σημαντικό βήμα, αλλά ο τελικός στόχος είναι πολύ πιο φιλόδοξος.
«Είμαστε πολύ ενθουσιασμένοι με αυτό το αποτέλεσμα, αλλά έχουμε ακόμη πολύ δρόμο μπροστά μας μέχρι να μπορέσουμε να επεκτείνουμε αυτή τη δυνατότητα σε όλο το λογισμικό του κόσμου», ανέφερε.
Ανάλογη ήταν και η τοποθέτηση του Πούσμιτ Κόλι, επικεφαλής επιστήμονα της Google Cloud και αντιπροέδρου έρευνας της DeepMind.
Όπως σημείωσε, η δυνατότητα να αποδεικνύεται μαθηματικά η ορθότητα συγκεκριμένων λειτουργιών ενός συστήματος θα μπορούσε να προσφέρει σημαντική ασφάλεια σε επιχειρήσεις που εξαρτώνται από την αξιοπιστία του λογισμικού τους.
Από την πλευρά του, ο τεχνικός διευθυντής του Signal, Έρεν Κρετ, υπογράμμισε ότι η νέα προσέγγιση της DeepMind επιτρέπει την επέκταση προηγούμενων προσπαθειών μαθηματικής επαλήθευσης, οι οποίες επικεντρώνονταν σε μικρότερα τμήματα του κώδικα.
Σύμφωνα με τον ίδιο, καθώς αυξάνονται οι απειλές ασφαλείας που αξιοποιούν τεχνητή νοημοσύνη, η αυστηρή επαλήθευση του πρωτοκόλλου προσφέρει πρόσθετη εμπιστοσύνη στις εγγυήσεις προστασίας της ιδιωτικότητας.
Μπορεί η AI να ελέγξει όλο το λογισμικό του κόσμου;
Παρά τα ενθαρρυντικά αποτελέσματα, παραμένουν σημαντικά ερωτήματα σχετικά με το κατά πόσον η αυτοματοποιημένη μαθηματική επαλήθευση μπορεί να εφαρμοστεί σε πολύ μεγαλύτερη κλίμακα. Ένα από αυτά αφορά το κόστος.
Η Google DeepMind πραγματοποίησε τον έλεγχο του Signal δωρεάν, στο πλαίσιο ερευνητικού προγράμματος. Ωστόσο, η εταιρεία δεν αποκάλυψε πόσο κόστισε η διαδικασία ούτε αν σχεδιάζει να προσφέρει αντίστοιχη υπηρεσία εμπορικά.
Ένα δεύτερο ζήτημα είναι ο βαθμός ανθρώπινης παρέμβασης που εξακολουθεί να απαιτείται.
Οι ερευνητές επισημαίνουν ότι η επιτυχία του AlphaProof Code βασίζεται στη συνεργασία ανθρώπων και συστημάτων AI. Τα εργαλεία τεχνητής νοημοσύνης μπορούν να αναλαμβάνουν εργασίες, να διορθώνουν σφάλματα και να προτείνουν μαθηματικές αποδείξεις, αλλά η ανθρώπινη αξιολόγηση παραμένει απαραίτητη σε κρίσιμα στάδια.
Ο Τσαντούρι προειδοποίησε μάλιστα για τον κίνδυνο ενός συστήματος στο οποίο η τεχνητή νοημοσύνη θα καθορίζει μόνη της τόσο τους στόχους όσο και τις αποδείξεις, ουσιαστικά αξιολογώντας τον εαυτό της.
Η ομάδα της DeepMind σχεδιάζει να δημοσιοποιήσει τις τεχνικές προδιαγραφές και τις αποδείξεις που ανέπτυξε, ώστε να αξιοποιηθούν από άλλους ερευνητές.
Για τους χρήστες του WhatsApp, το πρακτικό συμπέρασμα είναι ότι η νέα έρευνα προσφέρει επιπλέον επιστημονική επιβεβαίωση για βασικές λειτουργίες της κρυπτογράφησης που προστατεύει τις συνομιλίες τους. Δεν σημαίνει, όμως, ότι έχουν εξαλειφθεί όλοι οι κίνδυνοι, όπως η υποκλοπή λογαριασμών, οι απάτες ή η πρόσβαση σε μια συσκευή από μη εξουσιοδοτημένα πρόσωπα.
