4.962 beveiligingslekken in 27,5 uur: hoe een vrijwilligersteam met AI de opensource-Bitcoinwereld opschudde

De inspanning kostte meer dan 40.000 dollar aan AI-rekentokens, gefinancierd door OpenSats (een 501(c)(3) non-profitorganisatie), OpenCode en AnchorWatch . Het team gebruikte een aangepaste beveiligingsharness die op een gegeven moment 171.599 regels code bevatte, en integreerde geavanceerde AI-modellen zoals Kimi K3, GPT Sol, Fable, Opus en GLM5.2 voor geautomatiseerde statische analyse .

Op 14 augustus 2026 – na 108 uur werk – had het team de review uitgebreid naar 501 projecten en 7.958 totale bevindingen genoteerd, waarvan 1.280 als hoog of kritiek geclassificeerd .

Hoe het auditproces werkte

Het Bitcoin Red Team opereerde als een wereldwijd verspreid team dat 24/7 in verschillende tijdszones werkte . Het proces combineerde AI-gestuurd scannen van code met menselijk toezicht, maar de hoeveelheid resultaten creëerde een aanzienlijke bottleneck op het gebied van verificatie.

Reproductiegraad. In de eerste 29,8 uur was slechts 21,4% van de bevindingen succesvol gereproduceerd door menselijke reviewers – de overgrote meerderheid bleef dus onbevestigde potentiële problemen . Op het 108-uurs punt was de reproductie gestegen naar 24,7% . Het team benadrukte dat deze eerste ernstclassificaties voorlopige beoordelingen waren, geen bevestigde kwetsbaarheden .

Upstream-rapportage. Minder dan 5% van de 390 beoordeelde projecten had upstream-openbaarmaking van hun bevindingen ontvangen op het moment van de eerste rapportage, wat wijst op een aanzienlijke achterstand in verantwoorde openbaarmaking . Het team volgde een strikt openbaarmakingsproces: kritieke bevindingen werden privé aan de beheerders gemeld voordat er een openbare release plaatsvond, en het team bouwde werkende proof-of-concept-exploits om kwetsbaarheden te bevestigen voordat ze werden onthuld .

Meest getroffen projectcategorieën. Privacy- en coinjoin-tools hadden het hoogste aandeel hoog- of kritiek-beoordeelde bevindingen, namelijk 24% . Cryptografische bibliotheken en SDK's leverden het grootste ruwe volume op, met 1.101 totale bevindingen .

De Coldcard-kwetsbaarheid die de audit triggerde

De audit van het Bitcoin Red Team was een directe reactie op de Coldcard hardware wallet RNG (random number generator) kwetsbaarheid – een kritieke firmwarefout in Coinkite's Coldcard die van maart 2021 tot 2026 stilletjes seedgeneratie via een zwakke software PRNG in plaats van hardware-willekeurigheid leidde . Door de exploit werd ongeveer 1.816 BTC (ruim 100 miljoen dollar) gestolen van langetermijnbezitters .

Hoewel de Coldcard-bug zelf werd ontdekt vóór de oprichting van het Red Team, liet het incident zien hoe verwoestend een enkele niet-gepatchte kwetsbaarheid in een veelgebruikt cold-storage-apparaat kan zijn. Coinkite bracht een gerepareerde firmware uit nadat de kwetsbaarheid was onthuld .

De audit van het Red Team was de reactie van het ecosysteem: meerdere bevindingen van de AI-ondersteunde scan – waaronder kritieke problemen in privacy-tools en coinjoin-software – werden vervolgens door beheerders gepatcht na verantwoorde openbaarmaking .

De reactie van de sector: eis om verdedigers AI-toegang te geven

De omvang en ernst van de bevindingen van het Bitcoin Red Team leidde tot een gecoördineerde reactie van de sector. Op 10 augustus 2026 publiceerde het Bitcoin Policy Institute (BPI) een open brief, ondertekend door meer dan 70 organisaties uit het digitale-activa-ecosysteem, waarin geavanceerde AI-labs werden opgeroepen tot specifieke acties .

Ondertekenaars waren onder meer grote bewaarders, beurzen, mijnbouwbedrijven en opensource-ontwikkelingsgroepen: Coinbase, Strategy (voorheen MicroStrategy), Block, MARA, Galaxy, BitGo, Brink, OpenSats, Trezor, Kraken, Ledger, Anchorage Digital en Chaincode Labs .

De kern van de brief was dat "opensource-verdedigers vandaag de minst bevoorrechte positie innemen in het AI-beveiligingslandschap" . De belangrijkste eisen waren:

• Geef geverifieerde Bitcoin- en opensource-beveiligingsverdedigers "vertrouwde toegang" tot geavanceerde AI-modellen – niet alleen openbaar beschikbare versies, maar de meest geavanceerde modelgewichten en mogelijkheden die aanvallers al gebruiken .
• Dicht de opkomende "AI-toegangskloof" – kwaadwillende actoren hebben onbeperkte toegang tot geavanceerde AI voor het ontdekken van kwetsbaarheden en het ontwikkelen van exploits, terwijl ecosysteemverdedigers beperkt zijn tot zwakkere, openbaar beschikbare modellen .
• Zorg voor gecontroleerde vroege toegang, waaronder vroege modeltoegang, rekenkracht, beveiligde omgevingen en directe communicatiekanalen voor gekwalificeerde opensource-beveiligingsonderzoekers .

De coalitie waarschuwde dat zonder deze toegang de kritieke financiële infrastructuur die op opensource-Bitcoinsoftware is gebouwd, wordt geconfronteerd met een escalerende asymmetrische dreiging waarbij aanvallers werken met superieure AI-tools terwijl verdedigers worden buitengesloten .

Het keerpunt voor opensource-beveiliging

De audit van het Bitcoin Red Team toonde zowel de kracht als de beperkingen van AI-ondersteunde beveiligingsscans aan. Het vermogen om bijna 5.000 potentiële problemen in 390 projecten in iets meer dan een dag te signaleren is ongekend – maar de lage reproductie- en openbaarmakingspercentages onthulden dat menselijke verificatie en verantwoorde openbaarmaking de kritieke knelpunten blijven .

Het team heeft aangekondigd van plan te zijn zijn AI-beveiligingsharness opensource te maken om de verdediging van het ecosysteem te versterken . Dit zou de bredere Bitcoin-ontwikkelaarsgemeenschap in staat stellen om zelfstandig soortgelijke scans uit te voeren, waardoor een eenmalige sprint mogelijk een duurzame beveiligingspraktijk wordt.

De fundamentele vraag die onbeantwoord blijft: of de verdedigers de AI-tools zullen krijgen die ze nodig hebben voordat de aanvallers dat doen.