Bitcoin Red Team setzt auf KI-Modelle aus China für Sicherheits-Audits
LONDON (IT BOLTWISE) – DasBitcoinRed Team nutzt chinesische KI-Modelle, um nahezu das gesamteBitcoin-Ökosystem aufSicherheitslücken zu prüfen. Die Freiwilligen kombinieren KI-gestützte Codeanalyse mit. . .
LONDON (IT BOLTWISE) – DasBitcoinRed Team nutzt chinesische KI-Modelle, um nahezu das gesamteBitcoin-Ökosystem aufSicherheitslücken zu prüfen. Die Freiwilligen kombinieren KI-gestützte Codeanalyse mit menschlichem Review und berichten, dass Entwickler bereits zahlreiche kritische und hochriskante Schwachstellen bestätigt haben. Besonders schwer zu untersuchen sei dabei Lightning-Software aufgrund ihrer Komplexität. Zugleich warnen die Verantwortlichen davor, ungewartete Projekte zu vertrauen und fordern für Teams eigene KI-Audit-Pipelines ein. 🧠 KI & Robotik auf Google News abonnierenDie besten Bücher rund um KI & Robotikpräsentiert vonAmazon!Unsere täglichen KI-News von IT Boltwise® beiLinkedInabonnieren!KI-Meldungen bequem viaTelegramoder perNewslettererhalten!IT Boltwise® beiFacyoderInstaals Fan markieren und abonnieren!RSS-Feed 2. 0von IT Boltwise für KI-News speichern!Beim Thema Krypto-Sicherheit verschiebt sich gerade die Arbeitsverteilung: DasBitcoinRed Team setzt nicht nur auf klassische manuelle Reviews und statischeAnalyse, sondern auch auf KI-Modelle, die große Codebasen schneller durchsuchen können. Laut dem pseudonymen Entwickler und Red-Team-Lead Calle nutzen die Freiwilligen chinesische Modelle, um in Wallets, Lightning-Anwendungen, Softwarebibliotheken und weiteren Bestandteilen desBitcoin-Ökosystems nach Schwachstellen zu suchen. Entscheidend ist dabei die Kombination aus automatisierter Suche und menschlicher Verifikation, denn die Gruppe meldet Ergebnisse zunächst privat an Entwickler, damit diese beheben können, bevor Details öffentlich werden. Technisch betrachtet zielt der Ansatz auf eine Engstelle, die viele Security-Teams aus dem Alltag kennen: Umfang und Änderungsfrequenz von Open-Source-Repositories. KI-Modelle wie Kimi K3 (von Moonshot AI) können Code über große Stellen hinweg analysieren und längere Aufgaben mit wenig Aufsicht abarbeiten, wodurch sich Sicherheitschecks als Pipeline strukturieren lassen. Laut Calle deckten die Audits in Summe „virtuell die gesamteBitcoin-Open-Source“ ab; die „low hanging fruit“ seien damit erledigt. Das ist weniger ein Versprechen auf vollständige Sicherheit als ein Hinweis darauf, dass die Nutzung von KI die ersten Kategorien offensichtlicher Fehler schneller abarbeitet und danach die verbleibenden, subtileren Risiken in den Fokus rückt. Ein Blick auf die konkreten Zahlen zeigt, wie stark der Prozess in der Breite ausgelegt war: Im August meldete die Gruppe 4. 962 Findings über 390 Projekte, darunter 85 als kritisch bewertete und 635 als hoch eingestufte Punkte. Calle schreibt dabei, Entwickler hätten „a ton of real critical and high vulnerabilities“ bestätigt, obwohl die betroffenen Projekte und technischen Details nicht benannt und damit auch nicht vollständig nachvollziehbar veröffentlicht wurden. Außerdem betont das Team Unterschiede in der Bearbeitungsgeschwindigkeit: „Response speed is very different across projects and shows how healthy each project is. “ Daraus folgt für die Praxis eine Priorisierung: Teams mit früher begonnenen KI-Audits sollen laut Calle deutlich anders dastehen als Projekte, die erst später starten. Besonders hervorgehoben wird Lightning-Software, die Zahlungen innerhalb desBitcoin-Ökosystems beschleunigen und verbilligen soll. Calle bezeichnete den Review dort als „more broken than the average“ und begründet es indirekt mit der Komplexität. Das ist ein typischer Befund bei Sicherheitsanalysen von Systemen, die nicht nur Bibliotheken und Services umfassen, sondern auch Protokolllogik, Zustandsautomaten, Netzwerkinteraktionen und Integrationspunkte. Gleichzeitig zeigt der Hinweis „Projects need their own AI audit pipeline going into the future“: Die Gruppe versucht nicht nur Schwachstellen punktuell zu finden, sondern macht den Betrieb einer kontinuierlichen Prüfstrecke zur Kernempfehlung für Entwickler, damit neue Änderungen nicht jedes Mal bei Null neu riskiert werden. Ein weiterer Schwerpunkt liegt auf der Modellwahl. Neben Kimi K3 kamen nach Angaben aus dem Red Team auch GLM 5. 2 von Z. ai sowie Modelle vonOpenAIund Anthropic zum Einsatz. Dabei spielen laut Calle Beschränkungen von US-Modellen eine Rolle: Entwickler stießen beim Security Research häufiger auf Einschränkungen, die die Arbeit ausbremsen. Calle beschreibt das zugespitzt mit dem Posting: „Red team rugged byOpenAIcyber again“. Gleichzeitig stellt er klar, dass das Team trotz langsamem Fortschritt „basically completed a basic scan of virtually the entirety“ habe. Die Botschaft ist für Security-Verantwortliche zweigeteilt: Tooling kann Workflows beschleunigen, aber die Pipeline muss auch mit den jeweiligen Grenzen der Modellverfügbarkeit und der erlaubten Nutzungsformen umgehen können. ÜberBitcoinhinaus ordnet das Team die Entwicklung in einen breiteren Sicherheits- und KI-Industriekontext ein. Laut Text nutzte Hugging Face im vergangenen Monat ebenfalls GLM 5. 2, um eineSicherheitslückezu untersuchen, nachdem KI-Modelle zuvor bei einer anderen Gelegenheit als Angriffsvektor in den Prozess hineinwirkten und US-Komponenten dieAnalysebestimmter Attack-Logs verweigerten. Das unterstreicht, dass KI nicht nur als Prüfer wirkt, sondern auch als Betriebskomponente, deren Grenzen und Interaktionen man im Sicherheitsdesign mitdenken muss. Calle kommentiert das trotz der harten Formulierung „Everything is broken,Bitcoinis burning“ mit einer Art Konsequenzargument: „Bitcoinis burning“ bedeutet hier nicht Kapitulation, sondern dass Altlasten abgebrannt werden, damit stabilere Systeme auf „healthy soil“ wachsen können. Für Unternehmen mit eigenen Open-Source- oder Open-Integration-Landschaften ergibt sich daraus eine klare Handlungslogik. Erstens: Sicherheitsprüfung lässt sich nicht nur als Einmal-Audit denken, sondern als fortlaufender Prozess, der mit KI-gestützter Codeanalyse und menschlicher Prüfung kombiniert wird. Zweitens: Der Review-Erfolg hängt laut dem Red Team sichtbar von der „Response speed“ der Maintainer ab; das macht Security zu einer Organisations- und Prozessfrage, nicht nur zu einer Technikfrage. Drittens: Ungewartete Projekte sollte man laut Calle nicht als Basis für kritische Abhängigkeiten ansehen. Wer die nächsten Monate plant, könnte daraus ableiten, die eigenen Repositories systematisch in wiederkehrende KI-Audit-Pipelines zu überführen und Review-Kapazitäten dort zu bündeln, wo schnellere Schließungen und verlässlicher Maintainer-Reflex nachweislich wirken. 💳Amazon-Kreditkarte mit 2. 000 Euro Limit bestellen!🔥Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!🎉Amazon Haul-Store für absolute Schnäppchenjäger!53 BewertungenPlantbot Upgraded Large Smart Flower Pot Pet Planter Robot with Artificial Intelligence, Time Temperature Display, and Numerous Expressive Animations Based, for Indoor Decoration, Gifts (White)【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g. Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»Die besten Bücher rund um KI & Robotik!Die besten KI-News kostenlos per eMail erhalten!Zur Startseite von IT BOLTWISE® für aktuelle KI-News!IT BOLTWISE® kostenlos auf Patreon unterstützen!Aktuelle KI-Jobs auf StepStone finden und bewerben!Folgen Sie aktuellen Beiträge über KI & Robotik aufTwitter,Telegram,FacebookoderLinkedIn!Hinweis:Teile dieses Textes könnten mithilfe Künstlicher Intelligenz generiert worden sein. Die auf dieser Website bereitgestellten Informationen stellen keine Finanzberatung dar und sind nicht als solche gedacht. Die Informationen sind allgemeiner Natur und dienen nur zu Informationszwecken. Wenn Sie Finanzberatung für Ihre individuelle Situation benötigen, sollten Sie den Rat von einem qualifizierten Finanzberater einholen. IT BOLTWISE® schließt jegliche Regressansprüche aus. Ergänzungen und Infos bitte an die Redaktion per eMail an de-info[at]it-boltwise. de. Da wir bei KI-erzeugten News und Inhalten selten auftretende KI-Halluzinationen nicht ausschließen können, bitten wir Sie bei Falschangaben und Fehlinformationen uns via eMail zu kontaktieren und zu informieren. Bitte vergessen Sie nicht in der eMail die Artikel-Headline zu nennen:"Bitcoin Red Team setzt auf KI-Modelle aus China für Sicherheits-Audits". Kein nächster ArtikelVorheriger ArtikelDu hast einen wertvollen Beitrag oder Kommentar zum Artikel"Bitcoin Red Team setzt auf KI-Modelle aus China für Sicherheits-Audits"für unsere Leser?