L'IA découvre près de 5 000 vulnérabilités bitcoin en 27,5 heures

Écrit par Xiao Bing

16 personnes, 27,5 heures, 4 962 problèmes de sécurité, 85 vulnérabilités critiques, 635 vulnérabilités élevées.

Ces chiffres proviennent d'un groupe de bénévoles appelé Bitcoin Red Team. Au cours des deux derniers jours, ils ont mené une audit de sécurité à grande échelle sur 390 projets open source de bitcoin, en utilisant des modèles d'IA, soumettant en moyenne 166 découvertes par heure et verrouillant un vulnérabilité de niveau critique par personne et par heure.

Calle, fondateur du protocole Cashu, a publié le premier bilan sur X, commençant par quatre mots qui résumant la situation : « La situation est extrêmement grave. »

Mais ce qui est vraiment inquiétant, ce ne sont pas les chiffres eux-mêmes.

Cet audit n'a pas été lancé arbitrairement.

Il y a une semaine, l'écosystème Bitcoin a subi la plus grande faille de sécurité de l'histoire des portefeuilles matériels. En raison d'un défaut dans le générateur de nombres aléatoires lors d'une mise à jour du micrologiciel en 2021, les clés privées des portefeuilles Coldcard ont pu être déduites hors ligne. À partir du 30 juillet, les attaquants ont effectué quatre vagues de vols, ciblant plus de 5 200 adresses. Selon les données de suivi de Galaxy Research, les pertes s'élèvent à environ 1 816 BTC, soit plus de 116 millions de dollars américains selon les cours alors en vigueur.

Ce bogue est resté silencieux dans le code public pendant cinq ans, accessible à tous pour audit, mais presque personne ne l'a examiné de manière systématique.

L'événement Coldcard a été le déclencheur. Calle et Rob Hamilton, PDG d'AnchorWatch, ont rapidement formé une Red Team, obtenu des fonds auprès d'OpenSats et dépensé plus de 40 000 dollars en puissance de calcul IA. Les modèles utilisés incluent Kimi K3 de Moonshot, GPT Sol d'OpenAI, Fable et Opus d'Anthropic, ainsi que GLM5.2 de Zhipu.

Au début du projet, l'accès aux modèles d'OpenAI et d'Anthropic était limité, et l'équipe s'appuyait principalement sur des modèles open source chinois. Ce détail est en soi intéressant : les défenseurs de l'infrastructure de la plus grande infrastructure d'actifs cryptographiques au monde étaient en réalité des bénévoles utilisant des IA open source chinoises pour travailler toute la nuit.

Après 27,5 heures, le tableau des données est le suivant : sur 4 962 problèmes, 14,5 % sont classés comme à haut risque ou graves, avec une moyenne de 1,85 problèmes graves par projet. Les découvertes graves les plus fréquentes concernent la confidentialité et les outils CoinJoin, avec 24 % ; suivis par les échanges et protocoles d’échange, à 21 %. Les bibliothèques cryptographiques et les SDK ont produit le plus grand nombre de découvertes brutes (1 101), mais avec un taux de gravité de seulement 10 %. 91 % des découvertes ont été soumises via des analyses automatisées, et 21 % ont été reproduites localement avec du code de démonstration.

Sur 17 contributeurs, 14 sont des humains et 3 sont des systèmes automatisés.

Rob Hamilton a écrit sur X une phrase plus importante que tous les chiffres : « La partie la plus difficile n'est pas de trouver les bugs, c'est de les faire parvenir à la bonne personne. »

Dans le monde de la recherche de sécurité traditionnelle, la « découverte » est l'étape la plus coûteuse. Un chercheur en sécurité de haut niveau peut passer plusieurs semaines à analyser à l'envers un code pour trouver une vulnérabilité exploitables. L'IA réduit ce coût à presque zéro. Seize personnes travaillant avec un modèle d'IA produisent en un jour l'équivalent du travail de plusieurs mois d'une entreprise d'audit.

Le problème réside dans ce qui s'est produit après la découverte. Au moment de la publication du rapport, seuls 19 des 390 projets audités (moins de 5 %) avaient effectué une divulgation en amont. Calle a présenté des excuses aux mainteneurs sur Twitter, affirmant comprendre que la vague de rapports avait accru leur pression, et que l'équipe apprenait encore à filtrer le bruit. Huit découvertes ont déjà été retirées comme faux positifs.

C'est un changement structurel : l'IA a transformé la recherche de bugs en un processus presque gratuit, déplaçant soudainement le goulot d'étranglement de toute la chaîne de sécurité du stade initial de détection vers les étapes intermédiaires et finales : vérification, classification, routage vers les mainteneurs appropriés, correction, tests et déploiement des correctifs. Ces étapes dépendent toujours fortement de l'intervention humaine, restent lentes et encore désordonnées.

And this is precisely where the attackers' structural advantage lies.

Les défenseurs doivent parcourir une chaîne complète : découvrir la vulnérabilité → vérifier → divulgation responsable → attendre la confirmation par les mainteneurs → corriger → publier le correctif → mettre à jour les utilisateurs. Chaque étape comporte des frictions et des retards.

L'attaquant a seulement besoin de : découvrir la vulnérabilité → l'exploiter.

L'IA rend le point de départ de la chaîne gratuit pour les deux parties. Mais l'asymétrie des étapes suivantes signifie que cette course aux armements favorise naturellement les attaquants. Le cas de Coldcard en est la preuve : un bogue de 2021 a été conservé publiquement dans la base de code pendant cinq ans ; les défenseurs n'ont pas effectué de balayage systématique, tandis que les attaquants ont utilisé l'IA pour identifier un espace de clés prévisible, volant 1083 BTC en 41 minutes.

Un signal plus important est apparu. En avril de cette année, Anthropic a présenté Claude Mythos Preview, un modèle d'IA refusé en raison de risques de sécurité trop élevés pour une publication publique. Selon Anthropic, Mythos peut identifier une seule vulnérabilité avec un coût informatique inférieur à 50 dollars ; l'équipe l'a utilisé pour découvrir de manière autonome une faille existant depuis 27 ans dans le système d'exploitation OpenBSD. OpenBSD est l'un des systèmes d'exploitation les plus sécurisés au monde, largement utilisé pour exécuter des pare-feux et des infrastructures critiques. Anthropic a donc lancé le projet Glasswing, en collaboration avec environ 40 organismes, dont AWS, Apple, Microsoft et Google, pour corriger ces vulnérabilités avant qu'elles ne soient exploitées par des attaquants.

En mai, l'équipe de renseignement sur les menaces de Google a annoncé une autre étape importante : elle a intercepté une affaire dans laquelle un groupe criminel utilisait un modèle d'IA pour découvrir une vulnérabilité zero-day et écrire un code d'exploitation. Cette vulnérabilité était une contournement d'authentification à deux facteurs intégrée dans un outil de gestion open source largement utilisé. Google a identifié l'origine de l'attaque grâce à des caractéristiques de l'IA dans le code (scores CVSS fictifs, commentaires Python typiques) et a collaboré avec le fournisseur pour corriger la faille avant que le groupe criminel ne lance une exploitation à grande échelle.

Les mots de John Hultquist, chef analyste des menaces de renseignement de Google, ne laissent aucune place à l'interprétation : « Croire qu'une course aux armements des vulnérabilités de l'IA est imminente est une erreur. La réalité est que cette course a déjà commencé. »

Charles Guillemet, CTO de Ledger, a déclaré lors de son évaluation de l'événement Coldcard : « Être open source et avoir été audité, ce n'est pas la même chose. »

Cette phrase perce le bubble cognitif longtemps entretenu dans l'industrie des cryptomonnaies. La communauté Bitcoin entretient une croyance presque religieuse en l'open source, pensant que le code ouvert signifie que tout le monde peut l'examiner, et est donc intrinsèquement sécurisé. Le code de Coldcard est effectivement ouvert depuis cinq ans. L'audit Red Team a couvert 390 projets. Mis ensemble, ces deux faits dessinent un tableau clair : être auditables ne signifie pas avoir été audités.

L'expérience de l'équipe Red Team a également révélé les limites de l'audit de sécurité par IA. Calle a déclaré que la majeure partie du travail consistait encore à « guider manuellement l'IA », permettant à chacun d'utiliser sa propre méthode pour formuler les invites au modèle, ce qui offrait une couverture plus large qu'une approche uniforme. Cela indique que les audits de sécurité par IA actuels ressemblent davantage à des « experts humains pilotant des outils d'IA » qu'à une « patrouille autonome de l'IA ». Bien que le modèle puisse analyser rapidement des modèles de code, il reste nécessaire d'avoir l'expérience et le jugement humains pour déterminer si une découverte est véritablement exploitables, quelle est son ampleur et à qui il faut en informer.

Hamilton a déclaré que l'équipe prévoit de rendre le cadre d'audit open source, permettant aux entreprises de Bitcoin d'exécuter les mêmes analyses sur leur code propriétaire. C'est une bonne direction, mais cela signifie également que les mêmes outils tomberont nécessairement entre les mains des attaquants.

Ce que cet audit a vraiment révélé, c'est une nouvelle équation en train de se former :

L'IA fait tendre le coût de la découverte de vulnérabilités vers zéro. Mais le coût de la correction des vulnérabilités (coordination organisationnelle, investissement en main-d'œuvre, migration des utilisateurs) reste élevé et lent.

40 000 dollars américains de puissance de calcul IA, 27,5 heures, suffisent pour retourner un écosystème open source gérant des milliers de milliards de dollars d'actifs. Un bug inobservé depuis cinq ans sur Coldcard a été découvert par un attaquant, qui a volé 116 millions de dollars en 41 minutes.

La narration de sécurité du Bitcoin est en train d'être réécrite.

L'ancienne logique était : « Le code est open source, donc il est sécurisé. » La nouvelle logique est plus cruelle : « Le code est open source, donc les attaquants l'analysent également avec l'IA. »

L'avantage unique de la défense est l'initiative : trouver et corriger les vulnérabilités avant l'attaquant. La Red Team cherche à s'emparer de cette initiative, mais leurs rapports montrent également que, même en obtenant l'initiative, la chaîne de distribution des correctifs reste le maillon le plus faible de l'écosystème.

Les difficultés auxquelles le bitcoin est confronté ne sont peut-être qu’un prélude à un changement plus vaste. Le monde entier du logiciel open source est sur le point de faire face à la même question : lorsque la détection de bogues ne nécessite plus d’experts, mais que leur correction en nécessite toujours, comment combler ce décalage ?