تیم واکنشپذیر بیتکوین در حال حاضر از مدلهای AI چینی برای جستوجوی آسیبپذیریهای امنیتی در پروژههای بیتکوین استفاده میکند، به گفته کلِ، رهبر تیم و توسعهدهنده ناشناس.
این گروه داوطلبانه ابزارهای هوش مصنوعی را با ارزیابی انسانی ترکیب میکند تا به بررسی کیفپولها، برنامههای Lightning، کتابخانههای نرمافزاری و پروژههای دیگر بیتکوین بپردازد. محققان یافتههای موثق را به صورت خصوصی در اختیار توسعهدهندگان قرار میدهند تا پیش از فاشسازی جزئیات، آسیبپذیریها برطرف شوند.
جمعآوری آسیبپذیریها و یافتهها
کلِ اعلام کرد که این گروه در حال حاضر از مدلهای AI چینی از جمله Kimi K3 شرکت Moonshot AI، Z.ai’s GLM 5.2، و مدلهای شرکتهای OpenAI و Anthropic بهره میبرند. وی تاکید کرد که محدودیتهای موجود در مدلهای آمریکایی باعث شده است محدودیتهایی در تحقیقات امنیتی وجود داشته باشد.
او گفت: «ما تقریبا تمام پروژههای متنباز بیتکوین را اسکن کردهایم و نقاط ضعف کمهمتاتر حل شده است.» تا کنون، این گروه 4962 یافته را در 390 پروژه ثبت کرده است که شامل 85 آسیبپذیری بحرانی و 635 آسیبپذیری با شدت بالا است. توسعهدهندگان تایید کردهاند که بسیاری از این آسیبپذیریها واقعی و بحرانی هستند.
چالشها و هشدارهای تیم
کلیه گفت که بررسی نرمافزار Lightning که برای پرداختهای سریع و ارزان بیتکوین طراحی شده است، بسیار سخت بوده است و آن را «بیشتر شکسته از حد متوسط» توصیف کرد. وی افزود که پروژههایی که چندین ماه است از AI برای ارزیابی استفاده میکنند، در وضعیت بهتری قرار دارند.
کلِ هشدار داد که پروژههای بدون نگهداری مناسب نباید مورد اعتماد قرار گیرند و استفاده از AI خطرات جدیدی برای توسعهدهندگان به همراه دارد. او همچنین معتقد است که در این شرایط، استیکینگ و نگهداری پروژههای قدیمی نیاز به یک خط لوله ارزیابی AI در آینده دارد.
آینده و رویکردهای امنیتی
با وجود هشدارها، کلِ معتقد است که این ارزیابیها به تقویت نرمافزار بیتکوین کمک میکند و همهچیز در نهایت به نفع توسعهدهندگان و امنیت شبکه است. وی خاطرنشان کرد که هرچه بیشتر تلاش کنیم، بیتکوین و بقیه پروژههای کریپتو بهتر خواهند شد.
در ماه گذشته، Hugging Face از مدلهای Z.ai در بررسی نفوذ پس از حملات توسط مدلهای OpenAI و مدلهای تجاری در آمریکا استفاده کرد. این نشان میدهد که هوش مصنوعی در حوزه امنیت ارزهای دیجیتال روز به روز نقش مهمتری پیدا میکند.




