La inteligencia artificial está reduciendo el costo de detectar fallos en el software relacionado con Bitcoin, lo que podría intensificar la vigilancia sobre proyectos como Bitcoin Core y otras bases del ecosistema. Ante esta situación, el programador Niklas Gögge propone que la solución no es apoyarse más en modelos de IA para revisar el código, sino robustecer los sistemas automáticos que identifican errores de manera constante.
Un cambio en el panorama de amenazas
Gögge, quien participa en el desarrollo de Bitcoin Core, señala que el software de Bitcoin históricamente ha recibido menos atención de los atacantes en comparación con otros ámbitos del sector, como los contratos inteligentes y los puentes, donde se han registrado numerosos robos y vulnerabilidades. La irrupción de modelos capaces de examinar grandes volúmenes de código a un costo reducido estaría transformando esta dinámica.
Respuestas basadas en IA: ¿efectivas o ruidosas?
Una de las estrategias adoptadas ha sido emplear modelos de lenguaje (LLM) para realizar auditorías de seguridad. En el caso de Bitcoin Core, Gögge menciona que iniciativas como Project Loupe, Bitcoin Red Team y otros colaboradores han producido más de 1.000 reportes. No obstante, resalta que la mayoría son alertas falsas o problemas teóricos, mientras que solo una fracción identifica errores reales. Hasta la fecha, según el desarrollador, estos análisis no han descubierto vulnerabilidades de alta o crítica severidad en Bitcoin Core.
Para Gögge, esto no implica que los escaneos con IA sean superfluos, sino que no deben convertirse en el pilar de la seguridad. Los modelos seguirán perfeccionándose y sus costos podrían bajar, por lo que una falla que hoy pasa desapercibida podría ser hallada por sistemas futuros.
El fuzzing como alternativa sólida
En este contexto, el desarrollador destaca el valor del fuzzing, una técnica que expone el software de forma automática a una enorme variedad de entradas y escenarios imprevistos para detectar comportamientos incorrectos o errores. Bitcoin Core y secp256k1, la curva criptográfica empleada por Bitcoin, han acumulado durante años pruebas de este tipo, además de simulaciones automatizadas de redes.
Gögge considera que esta infraestructura de pruebas continua ayuda a explicar la resistencia que ambos proyectos han mostrado frente a los recientes escaneos. Por ello, sugiere aprovechar también los LLM para disminuir el costo de desarrollar herramientas de fuzzing, identificar reglas que el software debe cumplir y mejorar los sistemas de pruebas.
Conclusión: complementar, no reemplazar
La propuesta final no es reemplazar las pruebas automatizadas con inteligencia artificial, sino emplearla para construir sistemas que puedan anticiparse a las vulnerabilidades que los modelos futuros puedan descubrir. De esta manera, se busca fortalecer la seguridad de Bitcoin Core sin depender exclusivamente de la IA.