AI prześwietliło kod Bitcoin po włamaniu za 116 mln dolarów. Oto co znalazło
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin. Zespół zgłosił łącznie 4962 potencjalnych podatności, w tym 85 o krytycznym i 635 o wysokim stopniu...
Opublikowane przezEdytowane za pomocą DeepSeek-V4-FlashObrazy wygenerowane za pomocą GPT Image 1.5
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin.
Zespół zgłosił łącznie 4962 potencjalnych podatności, w tym 85 o krytycznym i 635 o wysokim stopniu zagrożenia.
OpenAI w trakcie akcji cofnęło współliderowi audytu, Robowi Hamiltonowi, dostęp do programu Trust Cyber, zmuszając zespół do przejścia na mniej restrykcyjne modele, w tym chińskie open weight.
What was the Bitcoin Red Team's AI-driven security audit campaign, how did it respond to the July 2026 Coldcard wallet hack that drained oveAn AI-generated depiction of the Bitcoin Red Team's automated code audit campaign.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What was the Bitcoin Red Team's AI-driven security audit campaign, how did it respond to the July 2026 Coldcard wallet hack that drained ove. Article summary: Here is a complete breakdown of the Bitcoin Red Team campaign, the Coldcard hack that triggered it, the audit's findings and methods, and why OpenAI revoked the lead researcher's access.. Topic tags: general, general web, user generated, academic, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickb
openai.com
Lipcowy atak na portfele sprzętowe Coldcard był jednym z najbardziej druzgocących incydentów w historii Bitcoina: hakerzy ukradli ponad 116 mln dolarów z ponad 5200 portfeli, wykorzystując wieloletni błąd w oprogramowaniu układowym . Zaledwie kilka dni później grupa 16 ochotników – specjalistów od bezpieczeństwa – rozpoczęła bezprecedensowy audyt ekosystemu Bitcoin, wspomagany sztuczną inteligencją. To, co znaleźli i co stało się z ich dostępem do najlepszych modeli AI, wywołało kolejną gorącą dyskusję o relacjach między sztuczną inteligencją a cyberbezpieczeństwem.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "AI prześwietliło kod Bitcoin po włamaniu za 116 mln dolarów. Oto co znalazło"?
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin.
What are the key points to validate first?
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin. Zespół zgłosił łącznie 4962 potencjalnych podatności, w tym 85 o krytycznym i 635 o wysokim stopniu zagrożenia.
What should I do next in practice?
OpenAI w trakcie akcji cofnęło współliderowi audytu, Robowi Hamiltonowi, dostęp do programu Trust Cyber, zmuszając zespół do przejścia na mniej restrykcyjne modele, w tym chińskie open weight.
AI prześwietliło kod Bitcoin po włamaniu za 116 mln dolarów. Oto co znalazło
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin. Zespół zgłosił łącznie 4962 potencjalnych podatności, w tym 85 o krytycznym i 635 o wysokim stopniu...
Opublikowane przezEdytowane za pomocą DeepSeek-V4-FlashObrazy wygenerowane za pomocą GPT Image 1.5
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin.
Zespół zgłosił łącznie 4962 potencjalnych podatności, w tym 85 o krytycznym i 635 o wysokim stopniu zagrożenia.
OpenAI w trakcie akcji cofnęło współliderowi audytu, Robowi Hamiltonowi, dostęp do programu Trust Cyber, zmuszając zespół do przejścia na mniej restrykcyjne modele, w tym chińskie open weight.
What was the Bitcoin Red Team's AI-driven security audit campaign, how did it respond to the July 2026 Coldcard wallet hack that drained oveAn AI-generated depiction of the Bitcoin Red Team's automated code audit campaign.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What was the Bitcoin Red Team's AI-driven security audit campaign, how did it respond to the July 2026 Coldcard wallet hack that drained ove. Article summary: Here is a complete breakdown of the Bitcoin Red Team campaign, the Coldcard hack that triggered it, the audit's findings and methods, and why OpenAI revoked the lead researcher's access.. Topic tags: general, general web, user generated, academic, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickb
openai.com
Lipcowy atak na portfele sprzętowe Coldcard był jednym z najbardziej druzgocących incydentów w historii Bitcoina: hakerzy ukradli ponad 116 mln dolarów z ponad 5200 portfeli, wykorzystując wieloletni błąd w oprogramowaniu układowym . Zaledwie kilka dni później grupa 16 ochotników – specjalistów od bezpieczeństwa – rozpoczęła bezprecedensowy audyt ekosystemu Bitcoin, wspomagany sztuczną inteligencją. To, co znaleźli i co stało się z ich dostępem do najlepszych modeli AI, wywołało kolejną gorącą dyskusję o relacjach między sztuczną inteligencją a cyberbezpieczeństwem.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "AI prześwietliło kod Bitcoin po włamaniu za 116 mln dolarów. Oto co znalazło"?
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin.
What are the key points to validate first?
Po lipcowym włamaniu na portfele Coldcard, z których zginęło ponad 116 mln dolarów, ochotnicy z Bitcoin Red Team w 27–30 godzin prześwietlili z pomocą sztucznej inteligencji 390 otwartoźródłowych repozytoriów Bitcoin. Zespół zgłosił łącznie 4962 potencjalnych podatności, w tym 85 o krytycznym i 635 o wysokim stopniu zagrożenia.
What should I do next in practice?
OpenAI w trakcie akcji cofnęło współliderowi audytu, Robowi Hamiltonowi, dostęp do programu Trust Cyber, zmuszając zespół do przejścia na mniej restrykcyjne modele, w tym chińskie open weight.
Bitcoin Red Team to ochotnicza inicjatywa bezpieczeństwa, współkierowana przez anonimowego dewelopera Bitcoina znanego jako Calle oraz Rob Hamiltona, dyrektora generalnego firmy AnchorWatch zajmującej się przechowywaniem bitcoinów . Na początku sierpnia 2026 roku grupa ruszyła z błyskawicznym przeglądem otwartoźródłowego ekosystemu Bitcoina, korzystając ze wsparcia AI. W ciągu około 27,5–30 godzin 16 badaczy bezpieczeństwa użyło modeli AI do audytu 390 otwartoźródłowych repozytoriów Bitcoin, zgłaszając łącznie 4962 potencjalne podatności. Nonprofit OpenSats pokrył koszty obliczeniowe AI – około 40 tysięcy dolarów.
Reakcja na atak na portfele Coldcard
Kampania była bezpośrednią odpowiedzią na atak na portfele sprzętowe Coldcard z lipca 2026 roku. Oto szczegóły tego zdarzenia:
Podatność: Błąd w oprogramowaniu układowym (firmware) wprowadzony w wersji 4.0.0 (marzec 2021) spowodował, że urządzenie pomijało sprzętowy generator liczb losowych podczas tworzenia frazy zalążkowej (seed phrase) . To znacznie osłabiło zabezpieczenia – siłę klucza obniżono z 128 bitów do zaledwie 40 bitów .
Atak: Od 30 lipca 2026 roku napastnicy wykorzystali tę lukę do opróżniania portfeli. Pierwsza fala uderzyła w 1196 adresów w zaledwie 41 minut, kradnąc 1082,65 BTC (wówczas ok. 70 mln dolarów) .
Łączne straty: Kolejne fale powiększyły straty do ponad 116 mln dolarów i ponad 5200 adresów, a niektóre szacunki mówią nawet o ponad 130 mln dolarów. W atak brało udział co najmniej kilkunastu różnych hakerów .
Reakcja Coinkite: Firma wezwała użytkowników do aktualizacji oprogramowania i przeniesienia środków, ale wtedy większość szkód była już dokonana .
W odpowiedzi na to Bitcoin Red Team uruchomił swój audyt, by znaleźć podobne luki w generatorach liczb losowych, słabe praktyki kryptograficzne i inne systemowe błędy, zanim wykorzystają je atakujący .
Kluczowe ustalenia i metody
Ustalenia
Miernik
Liczba
Łączna liczba zgłoszonych znalezisk
4962
Podatności o krytycznym znaczeniu
85
Podatności o wysokim stopniu zagrożenia
635
Podsumowując krytyczne i wysokie
720
Potwierdzone (możliwe do odtworzenia)
21,4%
Liczba poddanych audytowi repozytoriów
390
Wielkość zespołu
16 badaczy
Ogromna liczba – prawie 5000 zgłoszeń w ciągu doby – wywołała poważny problem z triażem dla opiekunów oprogramowania . Tylko co piąte znalezisko zostało potwierdzone jako możliwe do odtworzenia, ale grupa argumentowała, że zgłaszanie także niepewnych przypadków było uzasadnione ze względu na skalę ataku na Coldcard .
Metody
Zespół użył otwartych modeli AI (open-weight) do skanowania kodów w poszukiwaniu znanych wzorców podatności, słabości kryptograficznych i błędów logicznych .
Badacze nadzorowali działanie AI, weryfikowali wyniki i przygotowywali raporty o odpowiedzialnym ujawnieniu .
Grupa planuje udostępnić jako open source swój system bezpieczeństwa oparty na AI, by szersza społeczność mogła kontynuować automatyczne skanowanie .
Skoncentrowali się na portfelach, bibliotekach kryptograficznych i infrastrukturze Bitcoina – czyli na kodzie, którego błędy mogłyby doprowadzić do strat na skalę Coldcard .
Dlaczego OpenAI odebrało badaczowi dostęp w trakcie projektu
Rob Hamilton (dyrektor AnchorWatch i współlider kampanii) był zapisany do programu OpenAI „Trust Cyber”, który przyznaje wybranym badaczom bezpieczeństwa subsydiowany dostęp do API na potrzeby badań nad podatnościami . 8 lub 9 sierpnia 2026 roku, po tym, jak Hamilton zintegrował już program ze swoim warsztatem i zgłosił prawidłowe podatności, OpenAI cofnęło mu dostęp bez wyjaśnienia.
Hamilton publicznie oświadczył, że został „zablokowany w prowadzeniu dodatkowych analiz kodu, do którego już zgłosiłem odpowiedzialnie podatności i otrzymałem potwierdzenie, że są one prawdziwe” .
Cofnięcie dostępu zmusiło Bitcoin Red Team do przejścia na mniej restrykcyjne modele AI, w tym chińskie odpowiedniki open-weight, co spotkało się z krytyką jako porażka dla amerykańskiej konkurencyjności w dziedzinie bezpieczeństwa .
OpenAI nie podało publicznie uzasadnienia. FAQ programu dostępu dla badaczy wskazuje, że przyznawanie kredytów jest uznaniowe i mogą być one cofnięte, jednak nie wskazano konkretnego naruszenia polityki przez Hamiltona .
cointribune.com
Bitcoin Developers Alert After Discovery of 85 Critical Bugs
Bitcoin Red Team to ochotnicza inicjatywa bezpieczeństwa, współkierowana przez anonimowego dewelopera Bitcoina znanego jako Calle oraz Rob Hamiltona, dyrektora generalnego firmy AnchorWatch zajmującej się przechowywaniem bitcoinów . Na początku sierpnia 2026 roku grupa ruszyła z błyskawicznym przeglądem otwartoźródłowego ekosystemu Bitcoina, korzystając ze wsparcia AI. W ciągu około 27,5–30 godzin 16 badaczy bezpieczeństwa użyło modeli AI do audytu 390 otwartoźródłowych repozytoriów Bitcoin, zgłaszając łącznie 4962 potencjalne podatności. Nonprofit OpenSats pokrył koszty obliczeniowe AI – około 40 tysięcy dolarów.
Reakcja na atak na portfele Coldcard
Kampania była bezpośrednią odpowiedzią na atak na portfele sprzętowe Coldcard z lipca 2026 roku. Oto szczegóły tego zdarzenia:
Podatność: Błąd w oprogramowaniu układowym (firmware) wprowadzony w wersji 4.0.0 (marzec 2021) spowodował, że urządzenie pomijało sprzętowy generator liczb losowych podczas tworzenia frazy zalążkowej (seed phrase) . To znacznie osłabiło zabezpieczenia – siłę klucza obniżono z 128 bitów do zaledwie 40 bitów .
Atak: Od 30 lipca 2026 roku napastnicy wykorzystali tę lukę do opróżniania portfeli. Pierwsza fala uderzyła w 1196 adresów w zaledwie 41 minut, kradnąc 1082,65 BTC (wówczas ok. 70 mln dolarów) .
Łączne straty: Kolejne fale powiększyły straty do ponad 116 mln dolarów i ponad 5200 adresów, a niektóre szacunki mówią nawet o ponad 130 mln dolarów. W atak brało udział co najmniej kilkunastu różnych hakerów .
Reakcja Coinkite: Firma wezwała użytkowników do aktualizacji oprogramowania i przeniesienia środków, ale wtedy większość szkód była już dokonana .
W odpowiedzi na to Bitcoin Red Team uruchomił swój audyt, by znaleźć podobne luki w generatorach liczb losowych, słabe praktyki kryptograficzne i inne systemowe błędy, zanim wykorzystają je atakujący .
Kluczowe ustalenia i metody
Ustalenia
Miernik
Liczba
Łączna liczba zgłoszonych znalezisk
4962
Podatności o krytycznym znaczeniu
85
Podatności o wysokim stopniu zagrożenia
635
Podsumowując krytyczne i wysokie
720
Potwierdzone (możliwe do odtworzenia)
21,4%
Liczba poddanych audytowi repozytoriów
390
Wielkość zespołu
16 badaczy
Ogromna liczba – prawie 5000 zgłoszeń w ciągu doby – wywołała poważny problem z triażem dla opiekunów oprogramowania . Tylko co piąte znalezisko zostało potwierdzone jako możliwe do odtworzenia, ale grupa argumentowała, że zgłaszanie także niepewnych przypadków było uzasadnione ze względu na skalę ataku na Coldcard .
Metody
Zespół użył otwartych modeli AI (open-weight) do skanowania kodów w poszukiwaniu znanych wzorców podatności, słabości kryptograficznych i błędów logicznych .
Badacze nadzorowali działanie AI, weryfikowali wyniki i przygotowywali raporty o odpowiedzialnym ujawnieniu .
Grupa planuje udostępnić jako open source swój system bezpieczeństwa oparty na AI, by szersza społeczność mogła kontynuować automatyczne skanowanie .
Skoncentrowali się na portfelach, bibliotekach kryptograficznych i infrastrukturze Bitcoina – czyli na kodzie, którego błędy mogłyby doprowadzić do strat na skalę Coldcard .
Dlaczego OpenAI odebrało badaczowi dostęp w trakcie projektu
Rob Hamilton (dyrektor AnchorWatch i współlider kampanii) był zapisany do programu OpenAI „Trust Cyber”, który przyznaje wybranym badaczom bezpieczeństwa subsydiowany dostęp do API na potrzeby badań nad podatnościami . 8 lub 9 sierpnia 2026 roku, po tym, jak Hamilton zintegrował już program ze swoim warsztatem i zgłosił prawidłowe podatności, OpenAI cofnęło mu dostęp bez wyjaśnienia.
Hamilton publicznie oświadczył, że został „zablokowany w prowadzeniu dodatkowych analiz kodu, do którego już zgłosiłem odpowiedzialnie podatności i otrzymałem potwierdzenie, że są one prawdziwe” .
Cofnięcie dostępu zmusiło Bitcoin Red Team do przejścia na mniej restrykcyjne modele AI, w tym chińskie odpowiedniki open-weight, co spotkało się z krytyką jako porażka dla amerykańskiej konkurencyjności w dziedzinie bezpieczeństwa .
OpenAI nie podało publicznie uzasadnienia. FAQ programu dostępu dla badaczy wskazuje, że przyznawanie kredytów jest uznaniowe i mogą być one cofnięte, jednak nie wskazano konkretnego naruszenia polityki przez Hamiltona .
cointribune.com
Bitcoin Developers Alert After Discovery of 85 Critical Bugs