一项安全研究正在尝试借助中国AI模型挖掘比特币开源生态中的安全漏洞。该方法将AI分析与人工复核结合起来，对钱包、闪电网络应用以及相关代码库等比特币开源项目开展审计。

据区块链媒体Decrypt当地时间13日报道，由化名为Calle的开发者带领的Bitcoin Red Team，已将Moonshot AI的Kimi K3作为主要工具，用于搜索比特币开源代码中的漏洞。与此同时，团队也在使用中国AI公司Z.ai的GLM 5.2，以及OpenAI和Anthropic的模型。

报道称，Kimi K3主打大规模代码库分析，并可在较少人工干预的情况下完成长周期软件任务。Bitcoin Red Team的审计流程是，先由AI给出潜在漏洞线索，再交由人工核验。Calle形容，这是“数十年积累的开源代码与上线两周的Kimi K3正面碰撞”，并以“到处都坏了，比特币在燃烧”来描述当前状况。

从排查结果看，团队发现的风险数量并不少。Calle表示，截至8月，Bitcoin Red Team已在390个项目中确认4962项问题，其中85项被归类为致命级，635项为高危。不过，为给开发者留出修复时间，团队暂未公开受影响项目及具体漏洞细节。

在漏洞披露流程上，Bitcoin Red Team采取的是先私下通报、后公开披露的做法。团队会先以非公开方式通知相关项目开发者，待问题修复后再对外发布细节。

不同项目的响应速度差异明显。Calle表示，开发团队修复漏洞的速度，可以作为衡量项目健康度的一项指标。其中特别值得注意的是，旨在提升支付速度、降低交易成本的闪电网络软件结构更为复杂，审计难度也更高，因此发现的问题通常多于一般项目。

报道称，工具选择的关键并不在于模型来自哪里，而在于其对安全研究用途的限制程度。Calle此前曾表示，由于OpenAI对网络安全相关用途设置了限制，研究推进一度受阻，因此团队决定启用Kimi K3。这也意味着，在安全研究可执行范围受限的情况下，中国模型正成为替代选择。

Bitcoin Red Team认为，未来各类开源项目都需要建立自己的AI安全审计体系。Calle强调，已经启动AI审计的项目，与尚未启动的项目之间差距正在拉大，各团队应尽快构建自己的AI审计流程。

AI用于开源安全审计的趋势，预计不会只停留在比特币领域。此前，Hugging Face在调查一起安全入侵事件时，就曾遇到美国商业AI模型拒绝分析攻击日志的情况，随后转而使用中国的GLM 5.2完成相关工作。

Calle判断，比特币只是AI驱动安全审计率先切入的主要目标，未来其他开源生态也将陆续跟进。随着AI能够快速分析数十年积累的代码，开源安全领域的新一轮竞争格局，也可能在美国和中国AI模型之间加速形成。