AI驱动安全项目扫描比特币代码库揭示多处关键缺陷

一项由志愿者主导的安全倡议披露，其运用先进人工智能模型对超过一百五十个比特币相关代码库实施了深度扫描，成功定位了十余项潜在安全风险。随着开发者日益依赖机器学习技术进行系统审计，此类自动化检测正成为保障区块链生态稳定的重要手段。

多模型协同构建智能审查框架，提升漏洞发现效率

据该项目负责人罗布·汉密尔顿透露，团队在搭建“比特币红队”平台期间已投入约两万美元于各类AI服务。他强调，尽管资金消耗显著，但所有支出均已结算，并感谢外界支持。所谓‘红队’，即模拟攻击者视角对系统进行渗透测试，以期在真实攻击前暴露薄弱环节。

高成本运作下实现每小时一个关键漏洞的识别速度

化名为Calle的参与开发者指出，该团队已部署多个基于AI的自动化审查工具，覆盖钱包软件、加密库及基础设施等核心组件。他称，平均每位成员每小时可发现约一个严重级别漏洞，且在过去十二小时内已完成多起报告。尽管每日运营成本高达一万美元，团队仍认为此举对维护比特币底层代码的可靠性至关重要。

行业趋势显现：AI已成为漏洞挖掘与防御的关键推手

当前，人工智能在加密领域的作用愈发凸显。今年初，研究人员借助Anthropic的Claude Opus 4.8版本，在Zcash中发现一个持续四年的高危漏洞，可能被用于伪造无限量代币。8月，Coinkite表示其怀疑攻击者利用AI手段发现了Coldcard硬件钱包的缺陷；而比特币桥接协议Boltz则因修复速度跟不上AI驱动的攻击节奏，临时关闭了互换功能。