根据Decrypt的报道，一项针对比特币开发者生态的AI辅助安全审计在390个独立项目中记录了4,962项发现。该统计代表的是自动化漏洞审查流程的原始输出，而非按严重程度分级的评估——这些数据描述的是需要人工分拣的标记项目数量，而非已确认的可利用漏洞数量。

审计结果由比特币开发者Calle在X上分享，让人们得以初步了解AI驱动的安全审查在比特币相关软件中的应用规模。这390个项目涵盖围绕比特币构建的工具和基础设施——包括钱包、闪电网络实现和Layer 2协议——而非比特币核心协议本身，后者拥有独立且长期建立的审查流程。

解读数据

接近五千项的发现数量意味着安全审查的攻击面相当广阔。然而，分散到390个项目中，平均每个项目不到13项标记——这表明审计的意义在于覆盖的广度，而非任何单一代码库存在集中式漏洞的迹象。

现有记录中没有任何信息表明每个标记项都是已确认的可利用漏洞。这些总数应被理解为需要进一步调查的项目初始数量。

尽职调查的输入，而非最终结论

对于追踪比特币安全风险的开发者、用户和研究人员而言，审计输出是尽职调查的输入，而非最终结论。每个标记项仍需经过分类、确认和修复，然后才能被归类为漏洞。这一过程与协调漏洞披露框架相一致，例如CISA与安全研究人员合作的联合指南。

审计结果也符合AI工具被应用于比特币相关代码审查的更广泛趋势。2026年早些时候，一座比特币桥因AI辅助审查发现漏洞而关闭——这是自动化发现转化为具体运营决策的一个实例。同一趋势在整个软件行业中也可见到，AI驱动的静态分析越来越多地与人工代码审查一起用于标准开发流程中。NIST DevSecOps指南中概述的结构化安全开发实践，为原始发现的验证和逐步解决提供了框架。

比特币生态系统中的背景

该披露发布之际，开发者、机构参与者和长期持有者对比特币生态系统保持持续关注。随着比特币相关项目——涵盖托管服务、跨链桥和新兴代币协议——持续涌现，围绕比特币的攻击面在基础协议自身安全模型之外独立扩大。因此，更广泛生态系统的安全态势仍然是独立研究人员和成熟开发团队持续关注的领域。