答案已發布4 小時前Last edited 3 小時前32 個來源

AI 能快速找出線索，但比特幣安全修補仍卡在人力

16 人的 Bitcoin Red Team 在約 27.5 小時內，針對約 390 個專案提出 4,962 項潛在安全發現，其中 85 項列為嚴重、635 項列為高風險；這些是待驗證線索，並非已確認的可利用漏洞。[11][24] 約 21.4% 的發現已被獨立重現，顯示 AI 降低了「找問題」的成本，卻沒有取代重現、去重、評估、修補、審查與部署所需的資安專業。[11][15] OpenAI 表示 GPT 6 Astra 已達其網路安全能力框架的「Critical」門檻，使開源專案維護者更關注：機器發現弱點的速度，能否超過人類修補與推送更新的速度。[19][22]

發布者使用 GPT-5.6 Terra 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

16 人的 Bitcoin Red Team 在約 27.5 小時內，針對約 390 個專案提出 4,962 項潛在安全發現，其中 85 項列為嚴重、635 項列為高風險；這些是待驗證線索，並非已確認的可利用漏洞。[11][24]
約 21.4% 的發現已被獨立重現，顯示 AI 降低了「找問題」的成本，卻沒有取代重現、去重、評估、修補、審查與部署所需的資安專業。[11][15]
OpenAI 表示 GPT 6 Astra 已達其網路安全能力框架的「Critical」門檻，使開源專案維護者更關注：機器發現弱點的速度，能否超過人類修補與推送更新的速度。[19][22]

Editorial illustration of artificial intelligence reviewing Bitcoin-related code for security issues — How did the 16-member Bitcoin Red Team, led by Rob Hamilton and developer Calle and funded by OpenSats, use frontier AI models to scan aboutAI can accelerate security discovery, but human validation and remediation determine whether findings improve real-world safety.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: How did the 16-member Bitcoin Red Team, led by Rob Hamilton and developer Calle and funded by OpenSats, use frontier AI models to scan about. Article summary: The audit showed that AI can generate security leads at a rate far beyond what a small open-source ecosystem can validate and patch. Its reported figures are therefore a warning signal—not proof that all 4,962 items were. Topic tags: general, general web, user generated. 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 fa
openai.com

Bitcoin 開源生態的安全檢查，正在進入「機器大量產生線索、人類負責證實與收尾」的新階段。

2026 年 8 月，一個由 16 名志工組成、名為 Bitcoin Red Team 的團隊表示，他們以人類指揮、多模型協作的方式，在約 27.5 小時內審查約 390 個比特幣相關開源儲存庫，提交 4,962 項潛在安全發現。其中 85 項被標示為嚴重（critical）、635 項為高風險（high）。但最重要的前提是：這不是 4,962 個已確認、可被利用的漏洞，而是一條等待驗證的候選問題管線。11 24

這次審查做了什麼？

該團隊由開發者 Calle 與 AnchorWatch 執行長 Rob Hamilton 主導，據報使用超過 4 萬美元、由 OpenSats 資助的 AI 運算資源。報導指出，團隊讓模型在程式碼庫中尋找可疑路徑與可能弱點，並由人員決定審查方向、整理報告與處理對維護者的通報。相關報導提到的模型包括 Kimi K3、GPT Sol、Fable、Opus 與 GLM 5.2。2 5 12

這次短期衝刺的範圍相當大：大約 390 個儲存庫，以及涵蓋 171,599 行程式碼的審查框架。依團隊的分級，嚴重與高風險發現合計為 720 項。23 27

這反映出程式碼審查成本的改變。模型可以迅速在大量程式碼中比對風險模式、追蹤候選資料流，並提出測試案例或利用假設；但它標出「可疑之處」，不等於一份能直接交付維護者處理的漏洞報告。

4,962 不是已確認漏洞數

這個數字應理解為待驗證的候選清單。早期報導顯示，僅約 21.4% 的發現完成獨立重現。也就是說，絕大多數報告仍須由人員確認：問題是否會在實際建置版本與設定中出現、是否真的可利用、是否與其他報告重複，以及嚴重程度是否合理。11 15

完整的安全回應通常還包括：

在真正的軟體環境重現行為；
排除誤報與重複通報；
評估可利用性及對使用者的影響；
與維護者進行非公開、負責任的揭露協調；
撰寫精準修補與測試；
審查變更是否造成回歸問題；
讓營運者與使用者實際部署更新。

AI 已讓第一步——產生線索——便宜得多；但其後每一個需要專業判斷、程式碼所有權與實際部署的環節，仍無法自動完成。報導亦指出，只有部分發現已送達維護者手中，說明「安全揭露與處理量能」本身也是瓶頸。14

Coldcard 事件為何讓警訊升高？

這次審查發生在 Coldcard 硬體錢包事件之後。據報導，2021 年 3 月的韌體錯誤，使助記詞／種子的生成流程使用可預測的軟體隨機器，而非原本預期的硬體亂數產生器。若攻擊者能限制所需輸入的範圍，受影響的金鑰便可能被重建。42 45

隨著更多異常活動被識別，損失估計也持續變動。CoinDesk 曾報導四波攻擊的累計金額可能接近 1.14 億美元；其他報導則指 7 月 30 日至 8 月 3 日期間，約有 1,816 枚 BTC 遭竊。41 42

重點不在於 Bitcoin 的核心密碼學遭到破解，而是自我保管所仰賴的周邊軟體一旦有缺陷，後果仍可能擴大到系統性規模。因此，在漏洞遭利用前找出並修正它，與事後追查同樣重要。

有一項修補已合併，但不代表數千問題都已解決

一項具體成果是：據報導，Hamilton 找到的 AI 輔助線索促成一項 Bitcoin Core 貢獻，於 8 月 20 日合併，用以修正與錢包相關的當機錯誤。13

這是 AI 協助發現問題，然後經由既有的人工審查與合併流程落地的實例；也正好說明原始統計數字的限制。一個已合併的修補，代表問題被界定、修補程式碼已受審查，且變更被維護中的程式碼庫接受。它跨過的門檻，遠高於一份由自動化流程產生的可疑報告。

OpenAI 存取限制凸顯防禦端的兩難

Hamilton 表示，在將 OpenAI 的資安能力整合至審查工作後，他的存取權受到 OpenAI Trust Cyber 計畫限制。報導稱，團隊之後改用其他模型、包括開放權重模型來繼續工作。18 21 32

這涉及一個並不容易的政策問題：強大的網路安全模型能協助正當防禦者找漏洞，但相同能力也可能遭濫用。Hamilton 的批評是，若已知的防禦研究者面臨使用摩擦，而攻擊者仍能使用其他模型或在本機運行的權重，實務上可能形成不對稱。這是在討論存取與作業速度，並不表示限制某一家供應商的工具就能阻止資安研究或惡意行為。21

Boltz：小型團隊面對的營運壓力

比特幣交換服務 Boltz 在 8 月另行無限期暫停交換服務，表示自動化、AI 輔助的探測活動增加，已超過其小型團隊能安全修補與部署更新的速度。Boltz 表示，在關閉交換功能期間，退款功能仍可使用。28 29 30

這不代表每一種 AI 輔助攻擊都很高明或都已得逞；不過，Boltz 提供了一個實際案例：自動化掃描與探測可以持續進行，但小型維護團隊必須逐一調查警示，並確保每個緩解措施不會引入新問題。

模型變強，改變的是攻防速度

Bitcoin 與周邊服務大多具有開源特性。公開原始碼有利於透明度與獨立審查，但防禦者和攻擊者也能接觸相同的程式碼。Hamilton 與 Bitcoin 評論者 CobraBitcoin 的憂慮，並不是開源本身不安全，而是能力日益提高的模型，可能降低跨數百個儲存庫找出罕見缺陷所需的時間與專業門檻。17 21

OpenAI 表示，GPT-6 Astra 已達其 Preparedness Framework（整備框架）中的「Critical」網路安全能力門檻。OpenAI 的說法是，在具備適當工具與存取權的情況下，Astra 可在無需人類逐步指導下，於多個防護嚴密的系統中找出先前未知的弱點，並發展利用方式。19 22

這項能力聲明不代表 Astra 曾被用於 Bitcoin Red Team 審查，也不能證明前沿模型導致了某次 Bitcoin 入侵。但它說明了維護者為何聚焦「速度」：若模型愈來愈擅長在整個儲存庫範圍內推理與發展漏洞利用思路，真正的限制就會從「找出可能性」轉為「能否及時證明、修補並部署對重要問題的回應」。

真正值得投資的是驗證能力

Bitcoin Red Team 的衝刺，最適合被視為一次關於處理量的警告。安全生態如今能很快產生數千條看似合理的線索；其韌性將取決於能否以相近速度，投入獨立重現、保密通報管道、維護者工時、程式碼審查、測試與快速更新。

因此，對 Bitcoin 相關專案而言，下一個重要指標不該是 AI 產生了多少發現，而是有多少報告最終成為已驗證漏洞、完成負責任協調的修補，並在攻擊者行動前被使用者與營運者部署。15 14

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問