比特币开发者尼克拉斯·格格表示，基于语言模型的扫描已围绕比特币核心生成逾 1,000 份安全报告。他认为，AI 应用于强化自动化测试，但不应被视为独立的安全策略。

格格称，报告流主要来自卢佩项目和比特币红队等计划。他补充说，大多数提交内容是误报或假设性问题，迄今尚未发现严重漏洞。

他的立场并非认为 AI 扫描没有必要。相反，他主张将其作为更广泛安全流程中的支持层。特别是，他提到模糊测试——一种通过向软件输入大量数据来暴露故障的测试方法。比特币核心和 secp256k1 加密库已经具备多年的模糊测试覆盖，而格格认为，语言模型可以帮助降低构建和改进这些工具的成本。

上述评论发表之际，AI 正让包括比特币基础设施在内的开源软件大规模代码审查变得更便宜、更快速。格格表示，历史上，比特币软件受到攻击者的关注低于某些其他领域，但随着模型能够以低成本分析大型代码库，这一态势可能正在改变。

有关更广泛比特币生态系统的现有支持性报告表明，更大的运营问题不仅在于发现漏洞，还在于处理随之而来的审查负担。这可能包括筛除误报、确认问题是否真实存在、准备补丁，以及管理广泛使用的开源代码库之间的披露时机。

为何重要

这很重要，因为比特币核心处于比特币软件技术栈的底层附近，漏洞暴露方式的任何变化都会影响不止一个代码库。AI 辅助审计可以扩大覆盖范围并缩短发现缺陷所需时间，但也会增加一种风险：维护者可能花更多时间筛选嘈杂报告，而非修复真正重要的问题。

这一事件也凸显了加密基础设施安全领域更广泛的转变。随着 AI 降低代码扫描成本，优势可能从单纯发现漏洞转向严谨的测试体系、披露流程和维护者能力。对于关键开源项目，安全韧性可能较少取决于是否使用 AI，而更多取决于如何将其输出整合进现有审查工作流程。