El desarrollador de Bitcoin Niklas Gögge afirmó que los análisis basados en modelos de lenguaje han generado más de 1.000 informes de seguridad en torno a Bitcoin Core, y sostuvo que la IA debería utilizarse para reforzar las pruebas automatizadas, pero no considerarse una estrategia de seguridad independiente.

Gögge afirmó que iniciativas como Project Loupe y Bitcoin Red Team estaban detrás del flujo de informes. Añadió que la mayoría de las propuestas eran falsos positivos o problemas hipotéticos, y que hasta ahora no se ha identificado ninguna vulnerabilidad crítica.

Su postura no era que el análisis con IA fuera innecesario. En cambio, defendió su uso como capa de apoyo dentro de un proceso de seguridad más amplio. En particular, señaló el fuzzing, un método de prueba que somete el software a un gran número de entradas para detectar fallos. 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 coste de crear y mejorar esas herramientas.

Los comentarios llegan en un momento en que la IA está abaratando y acelerando la revisión de código a gran escala en el software de código abierto, incluida la infraestructura de Bitcoin. Gögge afirmó que el software de Bitcoin históricamente ha atraído menos atención de los atacantes que otros sectores, pero que esa dinámica podría estar cambiando a medida que los modelos mejoran su capacidad para analizar grandes bases de código a bajo coste.

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

Por qué importa

Esto importa porque Bitcoin Core se sitúa 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 acortar el tiempo necesario para descubrir fallos, pero también elevan el riesgo de que los mantenedores dediquen más tiempo a filtrar informes ruidosos que a solucionar 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 coste de analizar código, la ventaja podría pasar del mero descubrimiento de errores a sistemas de pruebas rigurosos, 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 producción en los flujos de revisión existentes.