币圈界报道：

比特币红队完成大规模AI驱动安全扫描，揭示4962处潜在风险

一个由16名独立开发者构成的非营利性安全团体——比特币红队，近期在390个不同加密项目中完成一轮高强度审计，累计识别出4962个安全缺陷。据该团队协调员Calle透露，其中包含85个被定为严重的漏洞以及635个高危隐患，反映出当前去中心化系统在复杂性提升下的深层脆弱性。

自动化检测效率持续攀升，单人每小时逾2个高危发现

本次审计全程依赖先进的人工智能模型对钱包实现、加密库及核心网络组件展开深度探测。在约27小时的集中行动中，团队平均每人每小时可定位2.31个高严重性或关键级问题，且随着分析工具迭代，这一速率呈上升趋势。

AI赋能安全审查，推动行业从被动到主动防御转型

面对日益复杂的数字金融生态，研究人员正加速采用机器学习与自动化系统进行前置式风险排查。比特币红队的此次大规模扫描，标志着安全实践正从周期性检查向全天候、可扩展的持续监测演进。

重大硬件钱包事件触发紧急安全复审

此次审计是在近期发生的一起重大冷钱包安全事故后启动的。自7月30日起，未经授权的设备扫描已导致超过1亿美元资金从Coldcard用户钱包中被非法转移，暴露了看似可靠硬件解决方案中的隐蔽攻击面。

漏洞分布全景：高危项占总量近13%

在覆盖的390个加密项目中，共发现4962个漏洞，其中严重级别达85个，高风险等级为635个，合计占比接近13%。这表明多数项目在代码健壮性与防御纵深方面仍存在明显短板。

AI助力发现致命漏洞，重塑审计范式

今年6月，针对隐私币Zcash的AI辅助审计曾揭露一个可能引发无限代币伪造的严重缺陷，充分验证了算法驱动检测在捕捉深层逻辑错误方面的有效性。随着更多缺陷被自动识别，行业正逐步转向以实时、高频扫描为核心的新型安全架构。

在不足27小时内，该团队在广泛项目范围内完成超四千次安全发现，凸显开发团队必须强化对AI测试工具的整合能力，并建立快速响应机制，以应对日益智能化的威胁行为者。