LONDON (IT BOLTWISE) – Das Bitcoin Red Team nutzt chinesische KI-Modelle, um nahezu das gesamte Bitcoin-Ökosystem auf Sicherheitslücken 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 abonnierenBeim Thema Krypto-Sicherheit verschiebt sich gerade die Arbeitsverteilung: Das Bitcoin Red Team setzt nicht nur auf klassische manuelle Reviews und statische Analyse, 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 des Bitcoin-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 gesamte Bitcoin-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 des Bitcoin-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 von OpenAI und 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 by OpenAI cyber 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.
Über Bitcoin hinaus 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 eine Sicherheitslücke zu untersuchen, nachdem KI-Modelle zuvor bei einer anderen Gelegenheit als Angriffsvektor in den Prozess hineinwirkten und US-Komponenten die Analyse bestimmter 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, Bitcoin is burning“ mit einer Art Konsequenzargument: „Bitcoin is 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!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【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.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- 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!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Bitcoin Red Team setzt auf KI-Modelle aus China für Sicherheits-Audits" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Bitcoin Red Team setzt auf KI-Modelle aus China für Sicherheits-Audits" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Bitcoin Red Team setzt auf KI-Modelle aus China für Sicherheits-Audits« bei Google Deutschland suchen, bei Bing oder Google News!