El desarrollador de Bitcoin Niklas Gögge afirmó que los análisis basados en modelos de lenguaje han generado más de 1,000 reportes de seguridad en torno a Bitcoin Core, y sostuvo que la IA debe utilizarse para reforzar las pruebas automatizadas, pero no tratarse como una estrategia de seguridad independiente.

Gögge afirmó que iniciativas como Proyecto Loupe y Equipo Rojo de Bitcoin estuvieron detrás del flujo de reportes. Añadió que la mayoría de los envíos fueron falsos positivos o problemas hipotéticos, y que hasta ahora no se han identificado vulnerabilidades críticas.

Su postura no era que el análisis con IA fuera 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 el software a una gran cantidad 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 costo de crear y mejorar esas herramientas.

Los comentarios surgen mientras la IA hace que la revisión de código a gran escala sea más barata y rápida en el software de código abierto, incluida la infraestructura de Bitcoin. Gögge señaló que históricamente el software de Bitcoin atrajo menos atención de los atacantes que algunos otros sectores, pero esa dinámica podría estar cambiando a medida que los modelos mejoran su capacidad para 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 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 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 fallos, pero también aumentan 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 simple 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.