比特币的人工智能安全冲刺在55小时内发现6700个问题，但没人知道其中有多少是真实的

人工智能辅助的安全活动专注于比特币生态系统，比特币红队表示，在其前55小时内生成了6700个发现，涉及425个项目。其中1029个被标记为高风险或关键风险。

8月6日的更新衡量了多少材料进入了安全分类流程，但其对软件安全的影响尚未报告。

检索到的线程省略了审计准备定义和严重性计数的分母，以及案例级结果、汇总的误报率和修复率。

这些缺失的字段阻碍了计算多少警报成为确认的漏洞，多少维护者拒绝或降级，以及多少导致了补丁。

前55小时仍然揭示了一个重要的能力，指出人工智能系统可以迅速填充生态系统规模的审查流程。专家的提示、重现、披露和维护者的响应在每个后续阶段仍然是必要的。

活动数字的测量

该活动在其名册和工作量扩展时发布了两个快照：

27.5小时的更新涵盖了390个项目和4962个发现。到55小时时，项目数量增加了35个，发现数量增加了1738个。后来的线程将高风险或关键风险的发现占总数的15.4%，并澄清24个报告参与者中有三个是机器人。

早期的帖子将关键和高风险发现分开，而后来的帖子将它们合并，两个数据集都反映了活动评估。维护者确认的可利用性和修复结果需要单独的证据。

比特币红队扫描了425个项目并报告了6700个发现，包括1029个高风险或关键问题，而公共验证率仍未公布。

Rob Hamilton描述Kimi K3处理了大量分析，GPT Sol、Fable/Opus和GLM 5.2支持文档。他表示，OpenAI的Cyber Harness覆盖了他认为是承重组件的选定部分。

一天后，Hamilton写道，主题专家可以通过一两句上下文或一小段代码改变评估。在他描述的例子中，这种输入将中等关注推向高风险或关键风险。他还指出操作、披露交接和分类是瓶颈。

在Hamilton的叙述中，模型进行了广泛搜索，而专家则塑造提示、解释输出、尝试重现并决定哪些报告准备披露。这种劳动分工使得该活动成为一个人机审查系统。

开发者Calle表示，大多数关键报告很快就被项目所有者验证。该帖子没有提供分母、验证报告数量、拒绝数量或补丁状态，留下了验证的广度和结果未解。

外展和结果定义安全价值

在55小时的更新中，比特币红队报告称，19.5%的扫描项目有SECURITY.md文件，13.1%有电子邮件。检索到的线程省略了项目总数、分母解释和测量方法，因此这些百分比仅描述了活动的扫描情况。

在8月3日，Hamilton表示，该活动在扫描超过100个代码库时花费了超过10,000美元，并在概念证明展示可利用性时立即披露了关键发现。8月4日，他报告了约20,000美元的支出，超过十几项披露和150个扫描的代码库。

扫描继续扩展，而该活动将外展、交接和分类描述为积极的操作限制。发布的快照在55小时内没有提供可比较的披露分母，因此无法建立扫描和解决的相对速度。

Hamilton后来将单独的Coldcard事件确定为更广泛活动的催化剂。活动记录没有将Coldcard缺陷的发现归因于此次冲刺。

一个有用的公共账目将区分被重现、承认、降级、拒绝和修复的发现，并为每个比率提供定义和分母。这样的细分将显示活动的多少量变成了可操作的安全工作。

公共批评者JW Weatherman认为该活动无法对其输出进行分类。他的帖子没有识别出任何与活动相关的问题、补丁或建议，因此提供了没有可测量失败率的批评。活动缺失的处置数据使得潜在问题仍然悬而未决。

目前，6700个代表活动标记的发现和分类候选。此次冲刺展示了机器辅助审查的速度。其持久的安全价值取决于专家能够验证、披露并转化为修复的比例。