La IA descubre casi 5,000 vulnerabilidades de bitcoin en 27.5 horas

Artículo escrito por Xiao Bing

16 personas, 27.5 horas, 4962 problemas de seguridad, 85 vulnerabilidades graves, 635 vulnerabilidades altas.

Este conjunto de números proviene de una organización voluntaria llamada Bitcoin Red Team. Durante los últimos dos días, utilizaron modelos de IA para llevar a cabo una auditoría de seguridad exhaustiva de 390 proyectos abiertos de bitcoin, presentando un promedio de 166 hallazgos por hora y asegurando un漏洞 de nivel grave por persona por hora.

El fundador del protocolo Cashu, Calle, publicó el primer informe de batalla en X, comenzando con cuatro palabras que resumen la situación: "La situación es extremadamente grave."

Pero lo realmente inquietante no son los números en sí.

Esta auditoría no se inició arbitrariamente.

Hace una semana, el ecosistema de Bitcoin sufrió el mayor incidente de seguridad en la historia de los wallets de hardware. Debido a un defecto en el generador de números aleatorios en una actualización de firmware de 2021, las claves privadas de los wallets Coldcard pudieron ser calculadas offline. Desde el 30 de julio, los atacantes llevaron a cabo cuatro oleadas de robos, afectando más de 5,200 direcciones. Según los datos de seguimiento de Galaxy Research, las pérdidas ascendieron a aproximadamente 1,816 BTC, lo que representa más de 116 millones de dólares estadounidenses según el precio vigente en ese momento.

Este error ha estado dormido en el código público durante cinco años, accesible para cualquier persona que lo audite, pero casi nadie lo ha revisado de manera sistemática.

El evento de Coldcard fue el detonante. Calle y Rob Hamilton, CEO de AnchorWatch, formaron rápidamente un Red Team, obtuvieron fondos de OpenSats y gastaron más de 40,000 dólares en capacidad de IA. Los modelos que utilizaron incluyen Kimi K3 de Moonshot, GPT Sol de OpenAI, Fable y Opus de Anthropic, y GLM5.2 de Zhipu.

En las etapas iniciales del proyecto, el acceso a los modelos de OpenAI y Anthropic estaba restringido, por lo que el equipo dependía principalmente de modelos de código abierto chinos. Este detalle en sí mismo es bastante interesante: los defensores de la seguridad de la infraestructura de activos criptográficos más grandes del mundo eran en realidad un grupo de voluntarios utilizando modelos de IA de código abierto chino durante largas noches de trabajo.

Después de 27.5 horas, el rompecabezas de datos es el siguiente: de 4962 problemas, el 14.5% son de nivel alto o grave, con un promedio de 1.85 problemas graves por proyecto. Las herramientas de privacidad y CoinJoin tuvieron el porcentaje más alto de hallazgos graves, con un 24%; seguidas por intercambios y protocolos de intercambio, con un 21%. Las bibliotecas criptográficas y los SDK generaron la mayor cantidad de hallazgos brutos (1101), pero su porcentaje de gravedad fue solo del 10%. El 91% de los hallazgos se presentaron mediante escaneo automatizado, y el 21% ya se han reproducido en entornos locales con código de prueba de concepto.

De los 17 contribuyentes, 14 son humanos y 3 son sistemas automatizados.

Rob Hamilton escribió en X una frase más importante que todos los números: "La parte más difícil no es encontrar los bugs, sino enviarlos a la persona adecuada."

En el mundo de la investigación de seguridad tradicional, el "descubrimiento" es la etapa más costosa. Un investigador de seguridad de primer nivel puede dedicar varias semanas a desensamblar un código para encontrar una vulnerabilidad explotable. La IA reduce este costo a casi cero. Dieciséis personas trabajando junto con un modelo de IA producen en un día lo equivalente al trabajo de varios meses de una empresa de auditoría.

El problema surgió después del descubrimiento. Hasta la publicación del informe, solo 19 de los 390 proyectos auditados (menos del 5%) habían completado la divulgación aguas arriba. Calle se disculpó con los mantenedores en un tweet, reconociendo que la ola de informes había aumentado su presión y que el equipo aún está aprendiendo cómo filtrar el ruido. Ocho hallazgos ya han sido retirados como falsos positivos.

Este es un cambio estructural: la IA ha convertido la búsqueda de errores en un proceso casi gratuito, desplazando el cuello de botella de toda la cadena de seguridad desde la etapa inicial de detección hacia las etapas intermedias y finales: verificación, clasificación, redirección al mantenedor adecuado, reparación, pruebas y despliegue de parches. Estas etapas aún dependen en gran medida del trabajo humano, siguen siendo lentas y aún están desorganizadas.

Y aquí es donde radica la ventaja estructural del atacante.

Los defensores deben recorrer toda una cadena: descubrir la vulnerabilidad → verificar → divulgación responsable → esperar la confirmación del mantenedor → reparar → implementar el parche → actualización del usuario. Cada paso conlleva fricción y retrasos.

El atacante solo necesita: descubrir la vulnerabilidad → explotarla.

La IA hace que el punto de partida de la cadena sea económico para ambas partes. Sin embargo, la asimetría en los pasos posteriores significa que esta carrera armamentista favorece naturalmente al atacante. El caso de Coldcard es una prueba clara: una vulnerabilidad de 2021 permaneció expuesta en el repositorio de código durante cinco años; los defensores no realizaron escaneos sistemáticos, mientras que los atacantes utilizaron IA para encontrar un espacio de claves predecible y retiraron 1.083 BTC en 41 minutos.

Se ha presentado una señal más grande. En abril de este año, Anthropic mostró públicamente Claude Mythos Preview, un modelo de IA rechazado para su lanzamiento público debido a riesgos de seguridad excesivos. Según Anthropic, Mythos puede identificar una sola vulnerabilidad con un costo de cómputo inferior a 50 dólares, y el equipo lo utilizó para descubrir de forma autónoma una falla de 27 años de antigüedad en el sistema operativo OpenBSD. OpenBSD es uno de los sistemas operativos más seguros reconocidos a nivel mundial y se utiliza ampliamente para ejecutar firewalls e infraestructuras críticas. En consecuencia, Anthropic lanzó el proyecto Project Glasswing, en colaboración con aproximadamente 40 instituciones, incluidas AWS, Apple, Microsoft y Google, para utilizar este modelo en la corrección de vulnerabilidades antes de que los atacantes las exploren.

En mayo, el equipo de inteligencia de amenazas de Google anunció otro hito: interceptaron un caso en el que una banda criminal utilizó un modelo de IA para descubrir una vulnerabilidad de día cero y escribir código de explotación. La vulnerabilidad era un contorno de autenticación de dos factores incrustado en una herramienta de gestión de código abierto ampliamente utilizada. Google identificó el origen del ataque mediante características de IA en el código (puntuaciones CVSS ficticias, comentarios de Python típicos) y colaboró con el proveedor para aplicar un parche antes de que la banda criminal lanzara una explotación a gran escala.

Las palabras del analista principal de inteligencia de amenazas de Google, John Hultquist, no dejan lugar a dudas: "Creer que una carrera armamentista de vulnerabilidades de IA está por comenzar es un malentendido. La realidad es que esta carrera ya ha comenzado."

Ledger CTO Charles Guillemet dijo, al evaluar el evento de Coldcard: "Ser de código abierto y haber sido auditado son dos cosas diferentes."

Esta frase atraviesa una burbuja de percepción de larga data en la industria cripto. La comunidad de Bitcoin tiene una fe casi religiosa en el código abierto, creyendo que, al estar el código público, cualquiera puede revisarlo, por lo que es inherentemente seguro. El código de Coldcard ha estado público durante cinco años. La auditoría del Red Team cubrió 390 proyectos. Cuando se ponen juntos estos dos hechos, la imagen es clara: ser auditables no equivale a haber sido auditados.

La experiencia del Red Team también reveló las limitaciones de la auditoría de seguridad de IA. Calle dijo que la mayor parte del trabajo del equipo sigue siendo "guiar manualmente a la IA", permitiendo que cada persona plantee preguntas al modelo según sus preferencias, lo que produce un alcance más amplio que un enfoque uniforme. Esto indica que las auditorías de seguridad de IA actuales se asemejan más a "expertos humanos conduciendo herramientas de IA" que a "patrullaje autónomo de la IA". El modelo puede escanear patrones de código rápidamente, pero determinar si un hallazgo es realmente explotable, cuán amplio es su impacto y a quién notificar aún requiere experiencia y juicio humanos.

Hamilton dijo que el equipo planea hacer开源 el marco de auditoría para que las empresas de Bitcoin puedan ejecutar el mismo escaneo en su código cerrado. Es el camino correcto, pero también significa que las mismas herramientas caerán inevitablemente en manos de los atacantes.

Lo que realmente reveló esta auditoría es una nueva ecuación en formación:

La IA hace que el costo de descubrir vulnerabilidades se acerque a cero. Pero el costo de repararlas (coordinación organizacional, inversión de mano de obra, migración de usuarios) sigue siendo caro y lento.

40.000 dólares en potencia de IA, 27,5 horas, son suficientes para darle vuelta por completo a un ecosistema de código abierto que administra miles de millones de dólares en activos. Un error de Coldcard que nadie había revisado durante cinco años fue encontrado por el atacante, quien se llevó 116 millones de dólares en 41 minutos.

La narrativa de seguridad del Bitcoin está siendo reescrita.

La lógica anterior era: "El código es de código abierto, por lo tanto es seguro." La nueva lógica es más cruda: "El código es de código abierto, por lo tanto los atacantes también lo escanean con IA."

La única ventaja del defensor es el primer movimiento: encontrar y reparar vulnerabilidades antes del atacante. El Red Team está compitiendo por este primer movimiento, pero sus informes también indican que, incluso al obtenerlo, la cadena de distribución de parches subsiguiente sigue siendo el eslabón más débil del ecosistema.

La dificultad que enfrenta Bitcoin podría ser solo un ensayo de un cambio más grande. Todo el mundo del software de código abierto está a punto de enfrentar la misma pregunta: cuando descubrir un error ya no requiere expertos, pero su corrección sí, ¿qué llenará esta brecha?