Bitcoin: La IA china Kimi audita cerca de 400 proyectos de código abierto

El desarrollo open source de Bitcoin entra en una nueva fase de vigilancia. Un equipo rojo voluntario utiliza ahora varios modelos de IA chinos para rastrear fallos en cientos de proyectos vinculados a su ecosistema. El modelo Kimi K3, diseñado por la startup Moonshot AI, ocupa un lugar importante en esta operación. Los investigadores usan análisis automatizado y su experiencia para encontrar riesgos y luego informan discretamente a los desarrolladores antes de que se publique cualquier documento técnico en el ecosistema cripto.

Una IA china en el corazón de la auditoría open source

El equipo rojo de Bitcoin examina billeteras, aplicaciones Lightning, bibliotecas de software y otros proyectos abiertos. Para acelerar esta tarea, utiliza Kimi K3, un modelo desarrollado por Moonshot AI. Los desarrolladores pueden descargar este modelo y ejecutarlo en sus propios sistemas, lo que facilita su uso en investigaciones de seguridad. También puede analizar grandes bases de código y realizar tareas complejas con poca supervisión.

El equipo también usa GLM 5.2, desarrollado por la empresa china Z.ai, así como modelos de OpenAI y Anthropic. Sin embargo, Calle, desarrollador pseudónimo y líder del grupo, explica que algunos modelos estadounidenses imponen restricciones durante las investigaciones.

Esta restricción motivó al equipo a cargar Kimi K3 para continuar su trabajo. Según Calle, el análisis avanza lentamente, pero el equipo ahora se acerca a un examen básico de todo el código fuente abierto de Bitcoin.

Bitcoin frente a miles de anomalías detectadas

A principios de agosto, el equipo rojo informó 4 962 anomalías relacionadas con 390 proyectos. Entre estos resultados, cuentan 85 fallos críticos y 635 problemas clasificados como de alto riesgo. Los investigadores indicaron que varios desarrolladores confirmaron una cantidad considerable de vulnerabilidades significativas. Sin embargo, no revelaron los proyectos afectados ni los detalles técnicos, para permitir que los equipos corrijan sus softwares.

La velocidad de reacción varía mucho según los proyectos, lo que también da una indicación sobre su capacidad de mantenimiento. El equipo sugiere que los desarrolladores prioricen y aborden con prontitud los problemas señalados, respetando límites y prioridades.

Es uno de los elementos más difíciles de examinar, sobre todo por su complejidad, el software Lightning. Calle considera incluso que este entorno presenta más problemas que el promedio observado en los proyectos estudiados.

Esta vigilancia también permite focalizar mejor las zonas sensibles del código y priorizar las correcciones necesarias. Estos controles brindan así a los desarrolladores de Bitcoin más elementos para organizar su respuesta frente a los riesgos identificados.

La IA cambia la seguridad de los software cripto

Esta operación muestra sobre todo la evolución de los métodos de auditoría en el ecosistema Bitcoin. Los investigadores combinan ahora automatización, análisis de código e intervención humana para detectar más rápido las vulnerabilidades.

Según Calle, los proyectos que comenzaron auditorías con IA varios meses antes ya disponen de una ventaja sobre aquellos que no han iniciado este proceso. Él considera así que «cada proyecto deberá desarrollar progresivamente su propio proceso de auditoría asistida por IA«.

Esta aceleración crea también una nueva presión sobre los desarrolladores. Calle advierte especialmente contra el uso de proyectos que ya no cuentan con mantenimiento activo. En este contexto, la IA puede multiplicar los controles, pero también aumenta el ritmo al que los equipos deben examinar y corregir sus softwares. El equipo rojo considera que «esta tensión puede finalmente fortalecer la seguridad global de Bitcoin, siempre que los desarrolladores respondan rápidamente a las alertas«.

Un nuevo método para asegurar el ecosistema

El fenómeno ya trasciende este ecosistema. El mes pasado, Hugging Face usó GLM 5.2 para investigar una falla después de que modelos de OpenAI se encontraran con sistemas de la empresa. Modelos comerciales estadounidenses se negaron entonces a analizar ciertos registros de ataque. Esta situación ilustra el interés creciente por herramientas capaces de examinar directamente entornos de software complejos.

Para los equipos que mantienen Bitcoin, esta evolución implica una organización reactiva. Las auditorías pueden intervenir antes de que una vulnerabilidad se haga pública y limitar la exposición de los usuarios. Permiten priorizar las correcciones según su nivel de riesgo. Sin embargo, la automatización no reemplaza el seguimiento humano, necesario para verificar resultados y coordinar los parches de Bitcoin.

A corto plazo, los próximos desarrollos dependerán sobre todo de la reacción de los equipos involucrados. La identificación de miles de anomalías no garantiza su corrección inmediata. La capacidad de los proyectos para mantener auditorías regulares, corregir fallos y conservar equipos activos podría convertirse en un elemento central de su seguridad.

Esta evolución podría, por tanto, impulsar a más proyectos open source a integrar la inteligencia artificial en sus controles regulares. La respuesta de los desarrolladores determinará sobre todo si estas auditorías aceleran de manera duradera la corrección de vulnerabilidades.