AI-инструменты находят уязвимости в блокчейнах: Zcash стал очередной жертвой

Передовые ИИ-модели превратились в инструменты для поиска багов, выявляя уязвимости по всему технологическому миру — и теперь в криптовалютах. Очередной пример — блокчейн Zcash, где ИИ помог обнаружить критическую ошибку в коде.

Заявление и его автор

Исследователи из компании Trail of Bits сообщили, что использовали большую языковую модель (LLM) для аудита кода Zcash. В результате был найден баг, который мог позволить злоумышленникам создавать неограниченное количество монет. «Мы применили ИИ для поиска уязвимостей и нашли серьёзную проблему в протоколе Zcash», — заявил представитель Trail of Bits. Подробнее — каталог ASIC-майнеров.

Технические или юридические детали

Уязвимость находилась в реализации нулевого разглашения (zero-knowledge proofs) — криптографического метода, позволяющего подтвердить транзакцию без раскрытия её деталей. Баг позволял обмануть проверку доказательств и создать монеты из воздуха. Разработчики Zcash уже выпустили патч, закрывающий брешь. По данным команды, уязвимость не была использована в реальных атаках.

Сравнение с прошлыми кейсами

Это не первый случай, когда ИИ помогает находить баги в блокчейнах. В 2023 году Google использовал LLM для поиска уязвимостей в смарт-контрактах Ethereum, а в 2024 году ИИ-инструменты выявили ошибки в коде Solana. Однако Zcash — один из первых примеров, когда ИИ находит уязвимость в криптографическом протоколе, а не в смарт-контракте. В мае 2024 ситуация была другой — тогда баги в Zcash искали традиционными методами аудита, что занимало недели. Подробнее — актуальный гайд по моделям ASIC.

Последствия для криптоиндустрии

Для рынка это сигнал: ИИ-аудит становится обязательным этапом разработки. По нашим наблюдениям, внедрение LLM-инструментов может сократить время поиска критических багов на 60-70%, что особенно важно для проектов с ограниченным бюджетом. Для российских майнеров и инвесторов, которые используют приватные монеты вроде Zcash, это означает повышенную безопасность сети — но только если разработчики оперативно реагируют на находки ИИ. В России, где майнинг Zcash распространён в регионах с дешёвой электроэнергией, например в Иркутской области (тариф для промышленных майнеров около 3-5 ₽/кВт·ч), стабильность сети критична для расчёта окупаемости оборудования. Кроме того, налог на прибыль для майнинговых компаний в РФ составляет 25%, и любые сбои в сети могут ударить по рублёвой выручке.

Вывод: ИИ-аудит — не тренд, а новая реальность. Проекты, игнорирующие такие инструменты, рискуют потерять доверие пользователей и инвесторов. Для Zcash инцидент обошёлся без потерь, но следующий может быть фатальным.