El desarrollador de Bitcoin Niklas Gögge afirmó que los análisis basados en modelos de lenguaje generaron más de 1.000 reportes de seguridad sobre Bitcoin Core, y sostuvo que la IA debería usarse para reforzar las pruebas automatizadas, pero no tratarse como una estrategia de seguridad independiente.

Gögge dijo que iniciativas como Project Loupe y Bitcoin Red Team estuvieron detrás del flujo de reportes. Añadió que la mayoría de las presentaciones eran falsos positivos o problemas hipotéticos, y que hasta ahora no se identificaron vulnerabilidades críticas.

Su postura no fue que el análisis con IA sea innecesario. En cambio, defendió su uso como una capa de apoyo dentro de un proceso de seguridad más amplio. En particular, señaló el fuzzing, un método de prueba que somete al software a una gran cantidad de entradas para detectar fallas. Bitcoin Core y la biblioteca criptográfica secp256k1 ya cuentan con años de cobertura de fuzzing, y Gögge sugirió que los modelos de lenguaje podrían ayudar a reducir el costo de desarrollar y mejorar esas herramientas.

Los comentarios se producen mientras la IA vuelve más barata y rápida la revisión de código a gran escala en el software de código abierto, incluida la infraestructura de Bitcoin. Gögge afirmó que históricamente el software de Bitcoin recibió menos atención de los atacantes que otros sectores, aunque esa dinámica podría estar cambiando a medida que los modelos mejoran su capacidad de analizar grandes bases de código a bajo costo.

Los informes de respaldo disponibles sobre el ecosistema más amplio de Bitcoin sugieren que el principal problema operativo no es solo encontrar errores, sino gestionar la carga de revisión posterior. Esto puede incluir filtrar falsos positivos, confirmar si un problema es real, preparar parches y gestionar los tiempos de divulgación en repositorios de código abierto ampliamente utilizados.

Por qué importa

Esto importa porque Bitcoin Core se encuentra cerca de la capa base de la pila de software de Bitcoin, y cualquier cambio en la forma en que se detectan las vulnerabilidades afecta a más de un repositorio. Las auditorías asistidas por IA podrían mejorar la cobertura y reducir el tiempo necesario para descubrir fallas, pero también elevan el riesgo de que los mantenedores dediquen más tiempo a filtrar reportes ruidosos que a corregir problemas relevantes.

El episodio también pone de relieve un cambio más amplio en la seguridad de la infraestructura cripto. A medida que la IA reduce el costo de analizar código, la ventaja puede pasar del mero descubrimiento de errores a sistemas de pruebas disciplinados, procesos de divulgación y capacidad de los mantenedores. Para los proyectos críticos de código abierto, la resiliencia de seguridad puede depender menos de si se utiliza IA y más de cómo se integra su resultado en los flujos de revisión existentes.