Rob Hamilton, CEO de AnchorWatch y contribuidor de Bitcoin, logró que su primer commit fuera integrado en Bitcoin Core el 20 de agosto. La corrección solucionó un error relacionado con el monedero, y lo interesante es cómo lo encontró: apuntando modelos de IA a la base de código de Bitcoin y permitiéndoles buscar problemas.
El esfuerzo de Hamilton es parte de una iniciativa más amplia que él llama el “Bitcoin Red Team”, una campaña impulsada por voluntarios que utiliza IA para auditar sistemáticamente el código de código abierto relacionado con bitcoin. El proyecto ya ha identificado miles de posibles problemas, incluidas decenas clasificados como críticos. También reveló algo incómodo sobre el estado actual de la investigación de seguridad impulsada por IA: las herramientas que necesitas pueden ser retiradas en plena auditoría.
Dentro del sprint de 30 horas del Bitcoin Red Team
El equipo rojo está compuesto por Hamilton y 16 voluntarios que lanzaron su primera gran iniciativa a principios de agosto. En aproximadamente 30 horas, el grupo documentó 4,962 hallazgos en más de 390 repositorios de código abierto relacionados con bitcoin. De estos, 85 fueron marcados como críticos y 635 como de alta gravedad.
Hamilton había estado experimentando con análisis de código asistido por IA en Bitcoin Core desde mayo. El catalizador que convirtió un experimento individual en una campaña coordinada fue una vulnerabilidad en el monedero de hardware Coldcard en julio que llevó al robo de más de 1.000 BTC.
OpenAI corta el suministro, entran en acción las alternativas
Alrededor del 9 de agosto, OpenAI bloqueó a Hamilton para que realizara más análisis de seguridad de bitcoin utilizando sus herramientas. El grupo cambió a sistemas de IA alternativos, incluido Kimi K3, para continuar su trabajo.
El cuello de botella ya no es encontrar errores
Hamilton mismo reconoció una limitación significativa del enfoque primero en IA: la coordinación aguas abajo con los mantenedores. Encontrar casi 5,000 problemas en 30 horas es impresionante. Lograr que los mantenedores de cientos de repositorios diferentes revisen, clasifiquen y corrijan esos hallazgos es un desafío completamente diferente.
La proporción lo dice todo. Casi 5,000 hallazgos en 30 horas de escaneo, frente a un solo commit fusionado tras semanas de revisión.