KI entdeckt 4 Jahre alten Zcash-Fehler, der das Minten hätte ermöglichen können…

Das Claude Opus 4.8 Modell von Anthropic, das vom Zcash-Nonprofit-Entwickler Shielded Labs eingesetzt wird, hat einen vier Jahre alten Logikfehler im Zcash-Netzwerk aufgedeckt, der es einem Angreifer ermöglicht hätte, unbegrenzt gefälschte ZEC zu minten. Die Schwachstelle wurde inzwischen behoben, aber die Offenlegung ließ den ZEC-Kurs innerhalb von 24 Stunden um fast 38% fallen und löste eine breitere Auseinandersetzung über versteckte Fehler in der Krypto- und traditionellen Finanzwelt aus.

Warum es wichtig ist

Der Vorfall wird als Proof-of-Concept für eine neue Klasse von KI-unterstützter Schwachstellenerkennung gelesen — und die Bedrohungsoberfläche reicht weit über Zcash hinaus. Der CEO von SingularityNET, Ben Goertzel, sagte gegenüber CoinDesk, dass ähnliche Logikfehler "sehr wahrscheinlich" in anderen Krypto-Netzwerken lauern und dass "Software-Infrastrukturen von Banken und anderen zentralisierten Institutionen ebenfalls sehr wahrscheinlich ernsthafte Fehler aufweisen, die von KI-Tools in naher Zukunft gefunden werden können." Der Mitbegründer von CertiK, Ronghui Gu, beschrieb die Dynamik als asymmetrischen Krieg: Gewinnorientierte Hacker können konzentrierte KI-Rechenleistung auf ein einzelnes Smart-Contract-Ziel einsetzen, während Sicherheitsfirmen gleichzeitig Hunderte von Kunden verteidigen müssen.

Marktauswirkungen

Der Rückgang von ZEC um 38% an einem einzigen Tag zeigt, wie schnell durch KI offengelegte Schwachstellen einen Token neu bewerten können, selbst wenn der Fehler vor der Ausnutzung behoben wird. Der Konsens über die Lösung von Dragonflys Haseeb Qureshi, Goertzel, Vitalik Buterin und ZODL-CEO Josh Swihart konzentriert sich auf formale Verifikation — mathematische Beweise, die die Korrektheit des Codes durch Konstruktion garantieren. Zcash hat formale Verifikation auf seinen Fahrplan gesetzt. Die grundlegende Frage für jede mission-kritische Finanzsoftware, ob Krypto oder traditionell, ist, ob die Branche diese Verteidigungen schneller skalieren kann, als KI-gesteuerte Angreifer den nächsten Fehler finden können.