IA encontra 4.962 alertas em projetos de Bitcoin, mas validação humana vira gargalo

O Bitcoin Red Team afirma ter encontrado 4.962 possíveis problemas de segurança em cerca de 390 repositórios ligados ao Bitcoin em uma corrida de auditoria de aproximadamente 27,5 horas, em agosto de 2026. Do total, 85 foram classificados pelo grupo como críticos e 635 como de alta severidade. Mas há uma ressalva essencial: esses dados representam relatos e pistas para investigação, não 4.962 vulnerabilidades confirmadas e exploráveis. 1124

O que a equipe fez

O grupo de 16 voluntários, liderado pelo desenvolvedor Calle e por Rob Hamilton, CEO da AnchorWatch, usou um fluxo de trabalho com supervisão humana e vários modelos de IA. Segundo as reportagens, mais de US$ 40 mil em computação para IA, financiados pela OpenSats, foram empregados na análise. Entre os modelos citados estão Kimi K3, GPT Sol, Fable, Opus e GLM 5.2. 2512

A escala chama atenção: aproximadamente 390 repositórios e uma estrutura de revisão que cobria 171.599 linhas de código. Pelas classificações do próprio grupo, 720 achados estavam nas categorias alta ou crítica. 2327

Modelos podem percorrer grandes volumes de código em busca de padrões suspeitos, rastrear possíveis fluxos de dados arriscados e sugerir testes ou hipóteses de exploração. Porém, apontar algo suspeito é só o começo — e está longe de tornar um relatório pronto para virar uma correção em produção.

Por que 4.962 não é uma contagem de falhas confirmadas

O número deve ser entendido como uma fila de candidatos que ainda precisam de verificação. A cobertura inicial indicava que apenas 21,4% dos achados haviam sido reproduzidos de forma independente. Isso significa que, para a maior parte dos relatórios, ainda era necessário confirmar se o comportamento ocorria na versão e configuração relevantes, se poderia ser explorado, se não duplicava outro relato e qual era, de fato, sua gravidade. 1115

Uma resposta de segurança completa costuma exigir etapas demoradas:

• reproduzir o comportamento no ambiente real do software;
• separar vulnerabilidades verdadeiras de falsos positivos e duplicatas;
• avaliar viabilidade de exploração e impacto para usuários;
• coordenar uma divulgação privada com os mantenedores;
• criar uma correção pontual, acompanhada de testes;
• revisar a mudança para evitar regressões; e
• fazer operadores e usuários adotarem a atualização.

A IA reduziu fortemente o custo da primeira etapa: gerar indícios. Ela não eliminou a necessidade de especialistas nas etapas seguintes. Apenas parte dos relatórios havia chegado aos mantenedores, o que mostra que a própria capacidade de fazer a divulgação responsável é um limite operacional. 14

O caso Coldcard elevou a urgência

A auditoria veio após o incidente com a carteira física Coldcard. Uma falha de firmware de março de 2021 teria direcionado a geração da seed — a frase que dá origem às chaves da carteira — para um gerador de números pseudoaleatórios previsível em software, em vez do gerador aleatório de hardware previsto. Isso poderia tornar chaves afetadas reproduzíveis por um invasor capaz de restringir os dados de entrada necessários. 4245

As estimativas de perdas cresceram à medida que novas movimentações eram identificadas. A CoinDesk informou um possível total acumulado próximo de US$ 114 milhões em quatro ondas; outras reportagens falaram em cerca de 1.816 BTC roubados entre 30 de julho e 3 de agosto. 4142

O episódio não indicou uma falha na criptografia central do Bitcoin. A lição é outra: um defeito em software de autocustódia ao redor da rede pode ter efeito em larga escala. Encontrar falhas perigosas antes da exploração importa tanto quanto identificá-las depois do prejuízo.

Uma correção integrada — e o limite do total bruto

Um resultado concreto foi uma contribuição de Hamilton para o Bitcoin Core, integrada em 20 de agosto para resolver um erro de travamento relacionado à carteira, segundo reportagens. É um exemplo relevante de uma pista encontrada com auxílio de IA que avançou pelo processo convencional de revisão e integração de código. 13

Também ajuda a colocar a cifra de 4.962 em perspectiva. Uma correção integrada passou por uma barra bem mais alta do que um relatório gerado automaticamente: há um bug definido, um patch revisado e uma alteração aceita em um projeto mantido ativamente.

Restrições da OpenAI expuseram um dilema defensivo

Hamilton afirmou que seu acesso foi restringido pelo programa Trust Cyber da OpenAI depois que ele começou a integrar os recursos cibernéticos da empresa à auditoria. As reportagens dizem que o grupo seguiu o trabalho com alternativas, inclusive modelos de pesos abertos. 182132

O debate de política é complexo. Modelos avançados para cibersegurança podem ajudar defensores legítimos a localizar falhas, mas as mesmas capacidades podem ser usadas de forma abusiva. A crítica de Hamilton é que impor atrito a defensores conhecidos pode criar uma desvantagem prática quando outros modelos — inclusive aqueles executados localmente — continuam disponíveis para atacantes.

Esse é um argumento sobre acesso e velocidade operacional. Não prova que restringir as ferramentas de um provedor impeça a pesquisa em segurança ou o uso malicioso de IA. 21

Boltz mostra a pressão sobre equipes pequenas

Separadamente, o serviço de swaps de Bitcoin Boltz suspendeu suas operações por prazo indeterminado em agosto. A empresa afirmou que o crescimento de sondagens automatizadas com assistência de IA superou a capacidade de sua equipe reduzida de proteger o sistema e colocar correções em funcionamento. A funcionalidade de reembolso permaneceu disponível enquanto os swaps foram desativados. 282930

O caso da Boltz não prova que todo ataque assistido por IA seja sofisticado ou bem-sucedido. Mas ilustra o descompasso revelado pela auditoria: a descoberta e a sondagem automatizadas podem funcionar continuamente; já os mantenedores precisam investigar cada alerta e entregar cada mitigação com segurança.

Por que modelos mais fortes mudam o cálculo de risco

O Bitcoin e muitos dos serviços em seu entorno são de código aberto. Isso favorece transparência e revisão independente, mas também coloca o mesmo conjunto de código nas mãos de defensores e atacantes. A preocupação levantada por Hamilton e pelo comentarista CobraBitcoin não é que o código aberto seja, por natureza, inseguro. É que modelos cada vez mais capazes podem reduzir o tempo e a especialização necessários para localizar uma falha incomum em centenas de repositórios. 1721

A OpenAI afirma que o GPT-6 Astra alcança o nível Crítico de capacidade em cibersegurança em seu Preparedness Framework. Segundo a empresa, com as ferramentas e os acessos apropriados, o modelo pode encontrar falhas antes desconhecidas e desenvolver formas de explorá-las em muitos sistemas bem protegidos sem orientação humana em cada etapa. 1922

Essa declaração de capacidade não demonstra que o Astra tenha sido usado na auditoria do Bitcoin Red Team, nem estabelece que um modelo de fronteira tenha causado um comprometimento de Bitcoin. Ela ajuda, porém, a explicar a preocupação com velocidade: se os modelos melhorarem na análise de repositórios inteiros e no desenvolvimento de vulnerabilidades, o gargalo deixará de ser encontrar possibilidades e passará a ser provar, corrigir e implantar rapidamente as respostas necessárias.

O investimento de segurança que falta: capacidade de validação

A corrida do Bitcoin Red Team é, acima de tudo, um alerta sobre capacidade de processamento humano. Ecossistemas de software agora conseguem gerar milhares de suspeitas plausíveis em pouco tempo. A resiliência dependerá de recursos para reprodução independente, canais seguros de reporte, tempo de mantenedores, revisão de código, testes e atualizações rápidas.

Para projetos ligados ao Bitcoin, a próxima métrica importante não é o maior total de achados por IA. É a proporção de relatos que se transforma em vulnerabilidades validadas, correções coordenadas de forma responsável e proteções efetivamente implantadas antes que invasores possam agir. 1514