La inteligencia artificial está reduciendo el costo de encontrar vulnerabilidades en el software relacionado con Bitcoin, un cambio que puede aumentar la presión sobre proyectos como Bitcoin Core y otras infraestructuras del ecosistema. Ante este escenario, el desarrollador Niklas Gögge plantea que la respuesta no debería ser depender cada vez más de modelos de IA para revisar el código, sino fortalecer los sistemas automatizados capaces de detectar errores de forma continua.

Según Gögge, desarrollador vinculado a Bitcoin Core, el software de Bitcoin históricamente pudo haber recibido menos atención de los atacantes que otros sectores de la industria, como los contratos inteligentes y los puentes, donde se concentraron numerosos robos y vulnerabilidades. La llegada de modelos capaces de analizar grandes cantidades de código a un costo relativamente bajo estaría modificando ese escenario.

Publicidad

Una de las respuestas ha sido utilizar modelos de lenguaje (LLM) para realizar escaneos de seguridad. En el caso de Bitcoin Core, Gögge señala que iniciativas como Project Loupe, Bitcoin Red Team y otros colaboradores han generado más de 1.000 informes. Sin embargo, destaca que la mayoría corresponden a falsos positivos o problemas hipotéticos, mientras que una parte menor identifica errores reales. Hasta el momento descrito por el desarrollador, estos análisis no habían detectado vulnerabilidades de gravedad alta o crítica en Bitcoin Core.

Para Gögge, esto no significa que los escaneos con IA sean innecesarios, sino que no deberían convertirse en la principal estrategia de seguridad. Los modelos seguirán mejorando y sus costos podrían disminuir, por lo que una vulnerabilidad que hoy pasa inadvertida podría ser detectada por sistemas futuros.

En ese contexto, el desarrollador destaca el papel del fuzzing, una técnica que somete el software de manera automatizada a grandes cantidades de entradas y situaciones inesperadas para encontrar comportamientos incorrectos o fallos. Bitcoin Core y secp256k1, la curva utilizada por Bitcoin, han acumulado durante años pruebas de este tipo, además de simulaciones automatizadas de redes.

Gögge considera que esta infraestructura permanente de pruebas ayuda a explicar la resistencia que han mostrado ambos proyectos frente a los recientes escaneos. Por ello, plantea aprovechar también los LLM para reducir el costo de desarrollar herramientas de fuzzing, identificar reglas que el software debe cumplir y mejorar los sistemas de pruebas.

Publicidad

Así, la propuesta no es sustituir las pruebas automatizadas por inteligencia artificial, sino utilizarla para construir sistemas capaces de anticiparse a las vulnerabilidades que los modelos futuros puedan encontrar.

Bitcoin Core afronta un creciente escrutinio de seguridad impulsado por IA