Mi equipo de Protocol Security en la Ethereum Foundation llevó a cabo un experimento a gran escala: lanzamos agentes de IA coordinados contra componentes clave de la infraestructura de la blockchain. En el punto de mira estuvieron el software de sistema, el código criptográfico y los contratos inteligentes. Los resultados fueron inesperados — y muy reveladores.
Repensando el papel de la IA en la seguridad
La principal conclusión que obtuvimos no es que los agentes encuentren errores. Eso era esperado. Lo sorprendente fue otra cosa: lo poco que costó encontrarlos y lo mucho que se necesitó para separar las vulnerabilidades reales de los falsos positivos. La IA no reemplazó al humano, sino que desplazó el cuello de botella. Antes, los investigadores dedicaban mucho tiempo a generar hipótesis; ahora, lo dedican a verificar un enorme flujo de candidatos.
Descartamos el esquema de un único "superagente". En su lugar, desplegamos varios sistemas especializados trabajando en paralelo contra un mismo repositorio. Unos se encargaban de la exploración del código, otros de la búsqueda de vulnerabilidades, de llenar vacíos y de la validación. La coordinación se realizaba a través de un repositorio común y un sistema de control de versiones. Esta arquitectura permitió acelerar drásticamente el proceso, pero no eliminó la necesidad de la verificación manual: cada candidato debía reproducirse de forma independiente sobre el código real.
Qué se logró encontrar
Un ejemplo divulgado públicamente es la vulnerabilidad CVE-2026-34219 en la implementación en Rust de libp2p gossipsub. Está relacionada con el manejo del backoff expiry — el período durante el cual un nodo limita temporalmente la interacción con un par. El error permitía provocar de forma remota la terminación abrupta del proceso mediante un mensaje PRUNE especialmente diseñado con un valor de backoff casi máximo. La causa fue una aritmética no verificada al sumar Instant + Duration, que provocaba un desbordamiento.
Sin embargo, no revelamos la cantidad exacta de errores reales encontrados por los agentes. En el blog se mencionan varios hallazgos, pero solo uno se ha hecho público. La mayoría de los candidatos resultaron ser falsos positivos, duplicados o problemas fuera del alcance de la revisión. Esto no es un fracaso, sino una parte normal del método. El objetivo es descartar rápidamente los incorrectos y respaldar los reales con evidencia.
Límites de las capacidades
Los agentes de IA se desempeñan peor con vulnerabilidades que solo se manifiestan a través de una larga cadena de acciones correctas. Esta lógica no solo requiere encontrar un fragmento de código sospechoso, sino también demostrar que toda la secuencia de estados es realmente alcanzable. Esto sigue siendo responsabilidad del humano.
La publicación se produjo en medio de una reorganización de la fundación: reducción de personal del 20%, actualización de la estructura de gestión y recorte del presupuesto en un 40%, con una transición hacia un modelo de gestión de capital a largo plazo. También se disolvió el equipo Protocol Support, que se encargaba de la coordinación del desarrollo del protocolo. En marzo consolidamos el principio de intervención mínima en el desarrollo de la red, y para 2029 planeamos implementar protección cuántica.
Mi comentario: El experimento confirma que la IA es una herramienta poderosa para automatizar tareas rutinarias en la auditoría de seguridad, pero no puede reemplazar una mente analítica profunda. El desafío clave no es encontrar errores, sino filtrar el ruido. Mientras los agentes generan una gran cantidad de candidatos, el valor real sigue estando en el humano, capaz de separar el grano de la paja.