De machines lezen de code
AI heeft de kosten van het vinden van kwetsbaarheden doen instorten. In het opensource-ecosysteem van Bitcoin kwam die botsing deze maand keihard aan; en Brussel heeft een klok gezet op wat er daarna gebeurt.
In de tweede week van augustus 2026 plaatste een pseudonieme Bitcoin-ontwikkelaar die bekendstaat als Calle een zin die als een lopend vuurtje door de sector ging: “Everything is broken, Bitcoin is burning” , alles is kapot, Bitcoin staat in brand. Achter de hyperbool zat een dataset. Het vrijwillige Bitcoin Red Team had zojuist Kimi K3 van Moonshot A, een Chinees open-weight frontier-model dat pas twee weken eerder was uitgebracht — losgelaten op vrijwel het volledige opensource-ecosysteem van Bitcoin: wallets, Lightning-applicaties, betaalbibliotheken en de tooling eromheen. Na ruwweg 108 uur machinetijd over 501 projecten had het team 7.958 potentiële beveiligingsbevindingen gelogd, waarvan 1.280 geclassificeerd als high of critical.
Die ene campagne comprimeert alles waar dit artikel over gaat: wat AI-modellen tegenwoordig met een codebase kunnen, wie ze op Bitcoin richt, wat ze vinden, en waarom een Europese verordening die op 11 september 2026 begint te bijten dit alles verandert van een technisch verhaal in een juridisch verhaal.
De aanvallers waren er eerst
Voordat de verdedigers industrialiseerden, deden de aanvallers dat al. De opensource-toeleveringsketen waarop Bitcoin en de bredere digitale-activasector leunen, ligt al jaren onder aanhoudend, financieel gemotiveerd vuur , en het crypto-ecosysteem was daarbij consequent het beoogde slachtoffer.
In september 2025 phishten aanvallers de beheerder van chalk, debug en zestien andere npm-utilities — pakketten met samen miljarden wekelijkse downloads — en verspreidden een crypto-clipper die browser-API’s kaapte en, op het moment dat een walletgebruiker een transactie goedkeurde, stilletjes het ontvangstadres verwisselde; het aanvallersadres werd zelfs op visuele gelijkenis geselecteerd om detectie te ontlopen. Weken later voegde de Shai-Hulud-worm zelfverspreiding toe, waardoor geïsoleerde overnames van beheerdersaccounts veranderden in kettingreacties. In maart 2026 kreeg de Axios-bibliotheek — in de orde van honderd miljoen wekelijkse downloads — net geen drie uur lang een backdoor via een gekaapt beheerdersaccount, parallel aan de TeamPCP-campagne die in één week vier veelgebruikte opensource-projecten compromitteerde. En in juli 2026 smokkelden aanvallers een als “telemetrie” vermomde backdoor in de SDK van de Injective-blockchain, die de exfiltratie van seed phrases en private keys rechtstreeks in de sleutelafleiding van wallets bedraadde; geautomatiseerde publicatie verspreidde hem binnen enkele minuten naar achttien pakketten.
De richting is meetbaar. Het State of the Software Supply Chain-rapport 2026 van Sonatype telde ruim 454.600 nieuwe kwaadaardige opensource-pakketten in 2025 alleen al — een sprong van 75% op jaarbasis, waarmee het cumulatief geblokkeerde totaal de 1,2 miljoen passeerde. En ook het gereedschap aan de aanvalskant evolueert: Googles Threat Intelligence Group meldde in 2026 voor het eerst een dreigingsactor te hebben geïdentificeerd met een zero-day-exploit die naar Googles overtuiging met AI was ontwikkeld, bedoeld voor massale uitbuiting.
Opensource-repositories worden juist als doelwit gekozen omdat ze de vertrouwenslaag vormen. Niemand hoeft jouw infrastructuur binnen te dringen als hij een dependency kan vergiftigen die je vrijwillig installeert. En nergens is die hefboom groter dan in software die sleutels en geld raakt.
Het ColdCard-debacle
Eind juli werd het abstracte risico levensveranderend concreet. Vanaf 30 juli 2026 begon een aanvaller de veiligst geachte bewaarplek van Bitcoin leeg te halen: cold storage. In opeenvolgende golven, de grootste veegde volgens Galaxy Research in slechts 41 minuten 1.082 BTC uit 1.196 wallets — werd ruim 1.800 BTC weggesluisd uit meer dan 5.200 adressen die waren gegenereerd op ColdCard-hardwarewallets van Coinkite; de schade liep op tot boven de 116 miljoen dollar en wordt, naarmate latere golven werden toegeschreven, geschat richting de 130 miljoen. Niemand werd gephisht. Geen enkel apparaat werd gestolen of zelfs maar aangeraakt. Duizenden langetermijnhouders die alles hadden gedaan wat de self-custody-orthodoxie voorschrijft — hardware wallet, sleutels offline, air gap intact — zagen spaargeld van een leven verdwijnen van adressen waarover alleen zíj zeggenschap hoorden te hebben. De oorzaak was vernietigend banaal: een firmware-buildvlag uit maart 2021 zorgde ervoor dat getroffen apparaten hun speciale hardware-randomchip oversloegen en terugvielen op een zwakke software-PRNG, waardoor de effectieve entropie instortte — tot amper zo’n 40 bits op oudere Mk3-units — ver genoeg om seed phrases offline te kunnen reconstrueren. De wiskunde van Bitcoin hield stand; de software eromheen niet. Coinkite bracht noodfirmware uit, vernietigde kwetsbare voorraad en smeekte gebruikers te migreren — met de erkenning dat geen enkele patch een seed kan repareren die al op kwetsbare firmware is gegenereerd.
Toen kwam de strijd om het narratief. Coinkite-CEO Rodolfo Novak framede de exploit als een nuchtere realiteit van het nieuwe AI-paradigma: AI-gestuurde codereview zou latente bugs inmiddels sneller boven water halen dan zelfs de meest doorgewinterde menselijke experts, en alle firmware die openbaar is of ooit is geweest, moet volgens hem worden beschouwd als gelezen door machines — door aanvallers én verdedigers. Die claim is omstreden, en eerlijkheid gebiedt dat te zeggen: er is geen aanvaller geïdentificeerd, er is geen bewijs opgedoken dat een model de fout daadwerkelijk heeft gevonden, en beveiligingsspecialisten wierpen hard tegen dat een buildvlag die een hardware-RNG uitschakelt een menselijke engineeringfout is die conventionele review vijf jaar eerder had moeten vangen. Maar in zekere zin doet die twist er niet toe. Of een AI déze bug nu vond of niet: het ecosysteem weet inmiddels dat modellen aantoonbaar bugs van precies deze klasse op precies deze snelheid kúnnen vinden — en het reageerde alsof de dreiging reëel was. Binnen enkele dagen pauzeerde de Boltz-exchange haar activiteiten om AI-gedreven aanvalspogingen voor te blijven. En er verzamelde zich een vrijwillige tegenmacht.
De opkomst van het red team in Bitcoin
Het Bitcoin Red Team formeerde zich binnen dagen na de ColdCard-leegloop: een geïmproviseerde vrijwillige tegenmacht van zestien onderzoekers, geleid door Calle en AnchorWatch-CEO Rob Hamilton, gesteund met circa 40.000 dollar aan AI-rekenkracht en door OpenSats, waarvan het nieuwe Code RED-subsidieprogramma verantwoorde openbaarmaking van kwetsbaarheden in het hele ecosysteem beloont. De methode koppelt AI-analyse aan menselijke verificatie, modellen kammen wallets, Lightning-implementaties en bibliotheken uit; onderzoekers reproduceren en beoordelen; geloofwaardige bevindingen gaan vertrouwelijk naar de beheerders voordat er iets openbaar wordt.
Het verloop van de cijfers vertelt wat AI met de economie van kwetsbaarheidsonderzoek doet. De eerste sprint leverde in 27,5 uur 4.962 bevindingen op over 390 projecten — 85 critical en 635 high — gemiddeld, volgens Calles rekensom bij de start, in de orde van één kritieke exploit per onderzoeker per uur. Enkele dagen later stond de uitgebreide doorlichting op 7.958 bevindingen over 501 projecten. Calles samenvatting: de basisscan van vrijwel heel opensource-Bitcoin is af, en het laaghangend fruit is geplukt.
De bevindingen hebben een textuur die er meer toe doet dan de totalen. Kwetsbaarheden concentreerden zich in oudere en licht gereviewde codebases. Lightning-gerelateerde software — structureel complex, performancegevoelig en lastig te auditen — droeg onevenredig veel risico. Het overwicht van C-implementaties werd aangemerkt als hardnekkige structurele risicofactor. En hoe snel een project op een vertrouwelijke melding reageerde, bleek op zichzelf al diagnostisch: reactiesnelheid, aldus het team, is een zichtbare graadmeter voor de gezondheid van een project. Onbeheerde projecten, zo waarschuwden ze, verdienen geen vertrouwen.
De campagne heeft al geverifieerde impact in de echte wereld opgeleverd. BTCPay Server — een van de meest gebruikte zelfgehoste Bitcoin-betaalprocessors — bracht op 7 augustus versie 2.4.2 uit met een patch voor een kritieke omzeiling van tweefactorauthenticatie, mede op naam van Bitcoin Red Team-onderzoekers, en bevestigde vervolgens dat de fout al in het wild was misbruikt om inloggegevens van Lightning-wallets buit te maken. Dat is de hele stelling in één incident: de kwetsbaarheid was echt, ze werd gebruikt, en machinegestuurde review bereikte haar eerder dan de meeste mensen dat zouden hebben gedaan.
Eén geopolitieke plooi verdient vermelding. Het team meldde dat gebruiksbeperkingen op Amerikaanse modellen voor beveiligingsonderzoek het werk herhaaldelijk blokkeerden — wat hen richting Chinese open-weight modellen duwde zoals Kimi K3 en GLM 5.2 van Z.ai, die lokaal draaien zonder beleidspoortwachters. De keuze van gereedschap in beveiligingsonderzoek wordt inmiddels minder bepaald door modelkwaliteit dan door wie het werk überhaupt toestaat. Dat zou westerse AI-labs aan het denken moeten zetten: het defensieve onderzoek gebeurt hoe dan ook; de enige vraag is op wiens modellen.
Wat 7.958 bevindingen werkelijk betekenen
Hier is eerlijkheid geboden, want de kopcijfers nodigen uit tot precies de verkeerde conclusie. Van de 7.958 bevindingen was bij de laatste telling slechts 24,7% dynamisch gereproduceerd en 29,4% upstream gemeld. Een gezamenlijke beoordeling door het Britse AI Security Institute en het Amerikaanse CAISI vond Kimi K3 capabel maar verre van onfeilbaar — 32% op exploit-ontwikkelingsbenchmarks, vóór GLM-5.2 maar ruim achter de sterkste gesloten modellen, en zonder één geslaagde arbitraire code-executie op 41 geteste samples.
Dit is dus geen lijst van 7.958 uitbuitbare gaten in Bitcoin. Het is iets dat uiteindelijk zwaarder weegt: een triagewachtrij die groter is dan het vermogen van het ecosysteem om haar te beoordelen. AI heeft het genereren van kandidaten vrijwel gratis gemaakt. Wat niet gratis is geworden, is het oordeel dat een bevestigde, reproduceerbare, correct gescoorde kwetsbaarheid scheidt van een plausibel klinkende hallucinatie — hetzelfde “AI-slop”-probleem waarin opensource-beheerders van curl tot ver daarbuiten verzuipen. De schaarse grondstof in beveiliging is stilletjes verschoven van detectie naar beoordeling. Elke serieuze speler — aanvaller, verdediger, beheerder, toezichthouder — staat nu stroomafwaarts van dat knelpunt.
Brussel zet de klok
Midden in deze botsing stapt de Europese Cyber Resilience Act (CRA) binnen — en de timing kon nauwelijks scherper zijn.
Vanaf 11 september 2026 verplicht artikel 14 van de CRA fabrikanten van producten met digitale elementen die in de EU worden verkocht om elke actief uitgebuite kwetsbaarheid waarvan zij kennisnemen te melden — binnen 24 uur de vroege waarschuwing, binnen 72 uur de volledige melding en binnen 14 dagen het eindrapport — gelijktijdig aan ENISA en het aangewezen nationale CSIRT, via het centrale meldplatform. Cruciaal: dit geldt óók voor producten die al op de markt zijn, niet alleen voor nieuwe releases. Vanaf 11 december 2027 is de verordening vervolgens volledig van toepassing, inclusief bindende secure-by-design-eisen, de Annex I-plicht om doeltreffende en regelmatige beveiligingstests uit te voeren, technische documentatie met de rapporten van die tests, en bewaarplichten die een decennium beslaan. Boetes lopen op tot 15 miljoen euro of 2,5% van de wereldwijde omzet.
Leg nu de twee helften van dit artikel naast elkaar. AI-gedreven campagnes halen in enkele weken duizenden kandidaat-kwetsbaarheden boven water in opensource-ecosystemen — en sommige daarvan, zoals de BTCPay-fout, worden actief uitgebuit: precies de meldtrigger van de CRA. Een fabrikant wiens product een gecompromitteerde dependency bevat, of een fout die een AI-doorlichting blootlegt en een aanvaller als eerste bereikt, staat niet langer voor een stille technische fix, maar voor een juridische klok van 24 uur. En een fabrikant zonder enig detectieproces kan artikel 14 schenden — niet door niet te melden, maar door nooit te weten dat er iets te melden viel.
De ongemakkelijke consequentie: veel van de code die nu in die producten wordt geleverd is door machines geschreven, en veel van de review erop wordt uitgevoerd door dezelfde modellen die haar schreven. Code die door een model is geschreven en door datzelfde model is gereviewd, is door niemand gereviewd. Toezichthouders, overnemende partijen, verzekeraars en enterprise-securityteams stellen in toenemende mate dezelfde vraag — en “ons model heeft zijn eigen uitvoer gecontroleerd” is een antwoord dat geen van hen accepteert.
Weerlegging als discipline: de CounterProof-methode
Dit is het probleem waarvoor onze CounterProof-praktijk is gebouwd — niet als product ontworpen op de tekentafel, maar als methode die regel voor regel aangroeide terwijl wij onze eigen betaalinfrastructuur op basis van drempelcryptografie beveiligden, waar een defect dat doorglipt geen klantrelatie kost, maar de operator zijn eigen middelen.
CounterProof pakt het beoordelingsknelpunt frontaal aan, met een protocol dat is gevormd door precies de faalwijzen die hierboven zijn beschreven. Elke assessment is een multi-lineage adversarial review: onafhankelijke modelfamilies — geen tweede ronde van hetzelfde model — vallen elke bevinding aan en proberen haar te weerleggen, waarbij meningsverschillen worden beslecht door de broncode te lezen, niet door te stemmen. Niets verlaat het huis onweerlegd. Elke bevinding die dat overleeft wordt vervolgens ofwel bevestigd tegen de daadwerkelijke broncode — exact bestand en regelnummer, reproductiepad, impactclassificatie, met citaties machinaal geverifieerd tegen de precieze gereviewde revisie — ofwel expliciet gelabeld als slechts plausibel. Elke bevinding benoemt het bewijsniveau dat zij daadwerkelijk heeft bereikt — source trace, compile-proof, test of live reproductie — en suggereert nooit een hoger niveau. En elk rapport draagt een staand intrekkingscontract: blijkt een bevinding onjuist, dan wordt zij schriftelijk ingetrokken.
Met andere woorden: waar review in het AI-tijdperk op industriële schaal ruis produceert, is de output van CounterProof bewust het tegendeel van een triagewachtrij. Het is een ondertekende, op bewijs gegradeerde assessment onder een persistente engagement-identifier — gestructureerd om te worden overhandigd aan een due-diligenceteam of verzekeraar, of om te worden opgenomen in CRA-technische documentatie als testrapport naar de vorm van Annex VII(6), ter staving van de testplicht. De onafhankelijkheid is structureel: wij ondertekenen nooit een assessment van code uit onze eigen muren, en onze eigen codebase — grotendeels machinaal geschreven — loopt continu door hetzelfde adversariële register. Wij waren onze eerste klant, en wij blijven onze strengste.
Binnenkort lanceren wij een nieuwe dienst op CounterProof.io, die deze praktijk uitbreidt naar teams die precies de samenloop uit dit artikel voor hun kiezen krijgen: machinaal geschreven code, tegenstanders op machinesnelheid, en de klok van een toezichthouder. Daarover binnenkort meer.
Waar dit heengaat
Drie voorspellingen, met een slag om de arm.
Ten eerste: de triagekloof wordt eerst breder voordat zij zich sluit. Open-weight modellen blijven verbeteren, doorlichtingen zoals die van het Bitcoin Red Team worden in andere ecosystemen herhaald, en de verhouding tussen kandidaat-bevindingen en geverifieerde bevindingen verslechtert voordat beoordelingstooling en gedisciplineerde methoden bijbenen. Projecten zullen in toenemende mate — door gebruikers, verzekeraars en overnemende partijen gelijkelijk — worden afgerekend op hun reactiesnelheid bij meldingen, precies zoals Calle observeerde.
Ten tweede: de CRA wordt de stok achter de deur die bugbounty’s nooit waren. Vrijwillige openbaarmakingsnormen leverden een decennium lang een lappendeken aan dekking op; een meldplicht van 24 uur met omzetgerelateerde boetes doet in achttien maanden wat goede wil naliet — en de vraag naar regelmatige, onafhankelijke, documentatiewaardige beveiligingstests zal de auditmarkt herstructureren rond bewijs in plaats van badges.
Ten derde, en het meest fundamenteel voor Bitcoin: een ecosysteem waarvan het beveiligingsmodel rust op open review, staat op het punt te ontdekken of machinereview meetelt. Het eerlijke antwoord is dat zij alleen meetelt wanneer een onafhankelijke partij bereid is de bevinding te verifiëren, het bewijs te graderen en te ondertekenen. Detectie is geautomatiseerd. Verantwoording niet — en dat kan ook niet. Daar ligt nu de waarde, én de verantwoordelijkheid.
CounterProof is een onafhankelijke adversarial-reviewpraktijk van Clavestra Capital Limited (Malta). Proof attesteert; CounterProof weerlegt. clavestra.com/counterproof — CounterProof.io lanceert binnenkort.
Bronnen: beveiligingsadvies van Coinkite en berichtgeving van Forbes, Bloomberg, CBC en Galaxy Research over de ColdCard-exploit (jul–aug 2026); Bitcoin Red Team-publicaties via Bitcoin Magazine, Decrypt, crypto.news, Coinpaper en Metaverse Post (aug 2026); release notes BTCPay Server 2.4.2; gezamenlijke modelbeoordeling UK AISI / US CAISI; Sonatype State of the Software Supply Chain 2026; Google Threat Intelligence Group, rapport AI-gerelateerde dreigingsactiviteit (2026); StepSecurity-analyse van de Injective SDK-compromittering (jul 2026); berichtgeving over npm supply chain-incidenten (sep 2025 – mrt 2026); Verordening (EU) 2024/2847 (Cyber Resilience Act), art. 13–14, 16, 69, bijlagen I & VII.