重點摘要

志願安全研究人員使用前沿 AI 模型掃描了大約 150 個比特幣程式庫，並揭露了十多項漏洞。該團隊正在構建一個針對核心比特幣軟體的開源 AI 審計平台，重點關注錢包、密碼學程式庫與基礎設施。 他們的工作揭示了多項嚴重問題，展示了 AI 在主動區塊鏈安全中的日益重要角色。 該專案已產生大量成本，但已為維護者提供了可付諸行動的發現。

情感分析

• 文章整體語調是謹慎樂觀的：強調 AI 驅動審計的正面影響，同時承認發現所揭示的迫切性與潛在風險。敘述肯定了主動安全工作的價值，但也指出對於已發現漏洞的規模與修補所需資源的擔憂。突破性成果與運行前沿模型的高成本並存，讓志願團隊與維護者既感到進展也感到壓力。

文章內容

一個志願安全倡議已採用最先進的 AI 模型掃描約 150 個與比特幣相關的程式碼倉庫，發現了生態系統關鍵組件中的十多項漏洞。這項努力以一個開源的「比特幣紅隊」平台為核心，旨在對支援比特幣運作的軟體進行對抗性、攻擊者視角的評估。透過使用先進模型自動化大規模審查，該團隊旨在揭示錢包、密碼學程式庫、基礎設施元件以及支撐比特幣的其他專案中的弱點。

組織者形容該專案為一項密集且資源密集型的工作。根據倡議領導人的公開說法，該團隊在 AI 服務上的花費已達數萬美元。他們點名了工作中使用的多種模型與供應商，結合商業與開源方案來建立多樣化的審查系統並為報告的問題產生支援性文件。團隊強調，對於承擔重大營運或財務風險的系統部分，這些支出是合理的。

紅隊測試指網路安全中的一種方法論，評估者採取攻擊者的視角來探查系統弱點，以在真實攻擊者利用之前發現問題。本例中，紅隊方法由 AI 強化：模型被訓練或提示以識別可疑模式、潛在不安全的程式碼路徑，以及可能被人工審查遺漏的微妙密碼學誤用。該倡議在短時間內報告了多項關鍵發現，這些發現已被負責任地揭露給受影響的專案，儘管受影響的倉庫與具體漏洞細節尚未公開披露。

參與該工作的成員指出，AI 已成為在更廣泛加密產業中發現安全缺陷的日益強大工具。近期在該倡議之外的事件也說明了這一趨勢：早期研究揭示了另一個以隱私為重點的加密貨幣中長期存在的漏洞，且一些廠商將高影響事件歸因於攻擊者利用 AI 比防守方更快地發現弱點。這些例子突顯了 AI 在安全領域的雙面性：它加速了防禦方的發現，但也降低了攻擊者尋找並武器化缺陷的門檻。

由於該專案依賴昂貴且高容量的模型與大量運算，組織者報告了可觀的每日開支。他們形容這些費用是一個限制因素，即便如此，這些資源也使得對關鍵程式碼進行更深入、更徹底的審計成為可能。根據公開聲明，該倡議已取得資金支持，貢獻者強調將持續建構該平台並與維護者分享發現，以提升生態系統的韌性。

儘管該倡議的揭露提高了對比特幣軟體供應鏈中漏洞的關注，但維護者與使用者仍面臨修補、審查與部署修正的實際工作。該公告既展示了 AI 在主動安全方面的效用，也提醒人們持續需要嚴格的審查流程、安全工作資金，以及開源專案間協調揭露實務。

總之，志願的比特幣紅隊已表明，AI 增強的審計能迅速揭示核心專案中的嚴重問題，不僅提供了有價值的防禦能力，也發出了關於漏洞被快速發現的警示。 該倡議強調了對安全工具持續投資以及研究人員與維護者之間合作以保護關鍵基礎設施的重要性。

關鍵洞見表