En 2013, el equipo de Matthew Green propuso el protocolo Zerocoin, con la intención de dotar a la red de Bitcoin de la capacidad de realizar transacciones anónimas sin depender de intermediarios de terceros. La idea central no era complicada: romper la cadena de transacciones mediante un mecanismo de "quema y reemisión", utilizando pruebas de conocimiento cero para ocultar la identidad.

Tres años después, en septiembre de 2016, el equipo de Poramin Insom convirtió esta teoría en realidad, lanzando la criptomoneda independiente Zcoin (XZC), que en su momento fue considerada pionera en tecnología de monedas de privacidad. Sin embargo, la historia posterior no fue tan brillante: vulnerabilidades técnicas, competencia entre proyectos, decadencia del ecosistema, y finalmente, declive.

**¿Por qué ocurrió esto? En pocas palabras: por inseguridad.**

En febrero de 2017, el protocolo Zerocoin fue explotado debido a un error en el formateo del código. Los atacantes aprovecharon esta vulnerabilidad para generar una gran cantidad de monedas falsas, causando una pérdida directa de aproximadamente 585,000 dólares. Pero esto no fue lo peor.

En abril de 2018, se descubrió otra grave falla criptográfica en el protocolo: los atacantes podían destruir los tokens de otros y, de la nada, falsificar nuevas monedas. El equipo se vio obligado a realizar un hard fork para corregirlo, pero la confianza ya estaba tambaleándose, y muchos desarrolladores y miembros de la comunidad huyeron.

Posteriormente, se lanzaron parches como LibzerocoinV2, pero una vez etiquetados como "inseguros nativamente", era difícil deshacerse de esa percepción. Los usuarios de monedas de privacidad en el mercado comenzaron a migrar hacia Monero (XMR) y Zcash (ZEC), que parecían soluciones más robustas.

En comparación, Zerocoin solo puede ocultar el origen de las transacciones, ya que el monto y la dirección receptora siguen siendo transparentes. Zcash, que utiliza el protocolo Zerocash, es mucho más completo: encripta tanto el monto como la dirección. Esta diferencia refleja cómo el campo de las monedas de privacidad evoluciona rápidamente, y las soluciones posteriores aprenden de los errores pasados y continúan optimizando.