ИИ Anthropic нашел четырехлетнюю уязвимость в Zcash: эксперты предупреждают о новых рисках

Специалист по безопасности Тейлор Хорнби использовал языковую модель Anthropic Claude Opus 4.8 для анализа кода приватного пула Orchard криптовалюты Zcash. В течение нескольких дней ИИ выявил критическую уязвимость, которая позволяла злоумышленнику неограниченно создавать поддельные ZEC. Этот баг оставался незамеченным на протяжении четырех лет, несмотря на регулярные проверки ведущими криптографами, специализирующимися на доказательствах с нулевым разглашением.

Обнаруженная брешь связана с логикой работы Orchard — приватного пула, предназначенного для скрытия деталей транзакций. Ошибка давала возможность обойти защитные механизмы и эмитировать монеты без фактического обеспечения. Разработчики Zcash оперативно выпустили исправление, однако инцидент вызвал резкое падение доверия: за сутки после публикации информации курс ZEC обрушился примерно на 38%.

Эксперты по кибербезопасности отмечают, что данный случай демонстрирует новый уровень возможностей больших языковых моделей. «Передовые ИИ теперь способны находить криптографические и логические ошибки, которые ранее требовали глубоких профильных знаний и многолетнего опыта», — заявили аналитики. При этом они предупреждают, что подобные инструменты могут стать доступны широкому кругу злоумышленников в ближайшие месяцы.

Ранее для обнаружения сложных уязвимостей в криптопротоколах требовалась работа целых команд экспертов. Теперь же одна ИИ-модель способна выполнить эту задачу за считанные дни. Это ставит под вопрос текущие методы аудита безопасности в криптоиндустрии: проекты могут оказаться не готовы к столь быстрому и дешевому поиску уязвимостей, который могут использовать в том числе хакеры.

Представители Anthropic, разработавшей Claude Opus 4.8, комментируют ситуацию сдержанно, подчеркивая, что модель была применена в исследовательских целях. Вместе с тем специалисты призывают криптокомпании усилить процедуры тестирования и рассмотреть внедрение автоматизированных систем поиска багов на основе ИИ. Иначе следующий обнаруженный изъян может стоить отрасли гораздо дороже.