AI 正在把更强的漏洞发现和利用能力带给更多人，这让比特币周边软件面临更高安全压力。接受 Decrypt 采访时，Bitcoin Red Team 成员 Calle 表示，团队成立的目的就是赶在攻击者之前，尽快找出比特币生态中的 AI 辅助安全风险。
排查重点不在协议层
Calle 表示，团队目前没有发现比特币协议本身存在问题，真正令人担忧的是围绕比特币运行的钱包、应用、服务以及其他软件。对多数用户而言，日常接触的并不是底层协议，而是这些外层工具，因此风险也更容易集中在这里。
Bitcoin Red Team 由约 20 至 25 名志愿者组成，成员包括多名比特币开发者和隐私协议开发者。Calle 称，团队既会接收项目方发来的安全扫描请求，也会主动排查目标项目。按他的说法，团队已经自行扫描了比特币开源生态中大部分重要项目。
Coldcard 事件后加快行动
Calle 说，这个团队是在 Coldcard 冷钱包被利用事件后逐步成形的。当时，AnchorWatch 首席执行官 Rob Hamilton 开始检查多个比特币项目，随后更多开发者和研究人员加入。
他还提到，更强的中文 AI 模型发布后，网络安全领域的攻防节奏明显加快。以 Kimi K3 为例，这类模型同时增强了防守方和攻击方的能力，也让安全研究的紧迫性进一步上升。
中文模型更常用于安全研究
在模型选择上，Calle 表示，团队在安全研究中使用中文 AI 模型的频率远高于美国模型。原因不是前者整体一定更强，而是美国模型通常设置了更严格的安全限制，涉及漏洞发现、利用路径或修复建议时，更容易拒绝响应。
他称，自己在加入红队前就遇到过类似情况。一些美国模型不仅不愿协助寻找漏洞，甚至在开发者已经确认问题后，也可能拒绝帮助分析修复方案。相比之下，中文模型在这类任务上的可用性更高，因此被更频繁地用于安全工作。
AI 正在降低攻击门槛
Calle 认为，AI 正在削弱过去软件安全中的信息差。原本需要较强技术背景才能完成的简单漏洞利用，如今可能在 AI 辅助下由经验有限的人独立完成，从发现问题到利用漏洞，整条路径都被压缩。
他还表示，加密行业可能比其他行业更早承受这类变化，因为攻击者对“互联网货币”有直接的经济动机。也正因如此，比特币生态正在更早面对这轮安全压力，而其他行业未来也可能遇到类似问题。
