Coldcard’daki güvenlik açığının ortaya çıkarılmasında yapay zeka rol oynadı mı?

Koordineli Bir Hırsızlık Operasyonu Yüzlerce Cüzdanı Boşalttı

Olay, 30 Temmuz'da o sırada yaklaşık 38 milyon dolar değerinde olan 594 BTC'nin, yaklaşık 500 tek imzalı bitcoin adresinden aktarılmasının ardından kamuoyuna duyuruldu. Haber ilk kez ortaya çıktığında, Bitcoin.com News, transferlerin yaklaşık 25 dakika içinde gerçekleştiğini ve ortak bir teknik zayıflığa sahip cüzdanları hedef aldığı göründüğünü belirtti.

Daha sonra yapılan blok zinciri incelemeleri, hırsızlığın olası boyutunu daha da genişletti. Araştırmacılar, yaklaşık 41 dakikalık bir süre içinde 1.082 ile 1.196 arasında adresin etkilenmiş olabileceğini tahmin etti. Coldcard Sweep Watch adlı özel bir gösterge paneli, daha sonra toplam tutarı 1.128,4717 BTC olarak belirledi; bu tutar, Bitcoin'in 63.044 dolar civarında işlem gördüğü dönemde yaklaşık 71,1 milyon dolar değerindeydi.

Fonların çoğu, yüzlerce bitcoin barındıran bir adrese konsolide edildi ve bu adreste fonların büyük bir kısmı büyük ölçüde hareketsiz kaldı. Etkilenen adresleri birbirine bağlayan önemli bir ayrıntı vardı: Bu adreslerin kurtarma tohumları, Kanadalı Coinkite şirketi tarafından üretilen Coldcard donanım cüzdanlarında oluşturulmuştu.

Kurtarma tohumları, bir kripto para cüzdanına erişimi kontrol eden kelimelerden oluşan bir listedir. Bu tohumları yeniden oluşturabilen veya elde edebilen herhangi bir kişi, genellikle fiziksel cihaza sahip olmadan cüzdandaki fonları transfer edebilir.

Coldcard, Rastgelelik Sisteminde Bir Sorun Tespit Etti

Coinkite, Coldcard cihazlarında oluşturulan belirli tohumların zayıf olabileceğine dair acil bir uyarı yayınladı. Mart 2021 civarında piyasaya sürülen 4.0.1 sürüm firmware'i çalıştıran Mk3 cihazları ve daha sonraki sürümler, en büyük risk altında olanlar arasındaydı.

Coinkite acil yazılım düzeltmelerini yayınlamadan önce yapılan daha kapsamlı analizler, endişeyi bazı Mk4, Mk5 ve Q cihazlarında oluşturulan tohumlara da genişletti. Tapsigner, Opendime ve Satscard ürünlerinin ise farklı yazılım kullandıkları için bu durumdan etkilenmedikleri bildirildi.

Bu güvenlik açığı, rastgele veri üretmek için kullanılan süreçle ilgiliydi. Güvenli cüzdanlar, kurtarma tohumlarının tahmin edilememesi için yüksek kaliteli rastgeleliğe dayanır. En ciddi şekilde etkilenen Mk3 cihazlarında araştırmacılar, tohumun amaçlanan 128 bit yerine yalnızca yaklaşık 40 bitlik etkili rastgelelik içerebileceğini tahmin etti.

Bu fark hayati önem taşıyor. Düzgün bir şekilde üretilmiş 128 bitlik bir tohumun, kaba kuvvet yöntemiyle tahmin edilmesi pratikte imkansız kabul edilir. 40 bitlik bir tohum ise çok daha az olasılık sunar; bu da yeterli hesaplama gücüne sahip bir saldırganın potansiyel tohumları çevrimdışı olarak test etmesine ve elde edilen adresleri halka açık Bitcoin blok zinciriyle karşılaştırmasına olanak tanır.

Bazı daha yeni cihazlar, güvenli donanımın öngörülemez veriler için ek bir katman eklemesi sayesinde yaklaşık 72 bitlik etkin rastgelelik sağlamış olabilir. Bu durum tohumların yeniden oluşturulmasını zorlaştırsa da, yine de amaçlanandan çok daha zayıf kalır.

5 Yıl Boyunca Fark Edilmeyen Bir Yapılandırma Hatası

Sorun, benzer işlevleri yerine getiren iki yazılım fonksiyonunu içeren bir derleme aşaması yapılandırma hatasıyla başladı. Bir fonksiyon, cihazın donanım tabanlı gerçek rasgele sayı üretecini kullanırken, diğeri MicroPython'dan devralınan daha zayıf bir yazılım sürecine dayanıyordu.

Coinkite, MicroPython seçeneğini devre dışı bırakmayı amaçlamıştı. Ancak bir yazılım kontrolü, değerin sıfıra ayarlanıp ayarlanmadığını değil, yalnızca bir yapılandırma etiketinin tanımlanıp tanımlanmadığını kontrol ediyordu. Sonuç olarak, tamamlanan donanım yazılımı, fark edilmeden daha zayıf işlevi seçebiliyordu.

İki işlevin formatları birbiriyle uyumlu olduğu için, yazılım belirgin bir hata vermeden derlenmeye ve çalışmaya devam etti. Bu hata, 2021 yılındaki bir yazılım geçişi sırasında koda girdi ve beş yıldan fazla bir süre boyunca kamuya açık donanım yazılımında kaldı.

Cihazı şimdi güncellemek, hatalı yazılım altında üretilen bir tohumun güvenliğini artırmaz. Etkilenen kullanıcılar, düzeltilmiş donanım yazılımını veya başka bir güvenli cihazı kullanarak tamamen yeni bir tohum oluşturmalı, ardından fonlarını bu yeni tohumun kontrolündeki adreslere aktarmalıdır.

Tohumlarını oluştururken en az 50 bağımsız zar atışı ekleyen kullanıcılar, bu zayıflığı önlemek için yeterli ek rastgelelik sağlamış olabilir. Güçlü bir BIP-39 parolası da yeniden oluşturmayı daha zor hale getirebilirdi; ayrıca, birkaç bağımsız cihazdan imza gerektiren cüzdanlar, güvenliği ihlal edilmiş tek bir tohumun tek başına fonları aktarmasını engelleyebilirdi.

Coinkite Yapay Zekayı Suçluyor, Ancak Kanıt Hâlâ Yok

Coinkite CEO'su Rodolfo Novak kamuoyuna özür diledi ve şirketin yazılım hatası konusunda tüm sorumluluğu üstlendiğini belirtti. Ekibin, düzeltilmiş yazılım, teknik raporlar ve etkilenen kullanıcılara yönelik destek üzerinde çalıştığını söyledi.

Coinkite ve Novak, bu kusurun nasıl keşfedildiğine dair çarpıcı bir teori de ortaya attı. Firmware'i yıllardır kamuya açık olduğundan, şirket, birisinin yapay zeka kullanarak kodun eski sürümlerini incelemiş ve rastgelelikteki zayıf noktayı tespit etmiş olabileceğine inandığını belirtti.

"Diğer tüm geliştiricilere: Bunun, yeni yapay zeka paradigmasının acı bir gerçeği olduğuna inanıyoruz. AI destekli kod incelemesi artık, sektörün en deneyimli uzmanlarını bile geride bırakan bir hızla gizli hataları bulabiliyor," diye yazdı Novak, X'te yayınladığı özür mesajında. "Firmware'iniz açık kaynaklıysa veya daha önce kamuya açık olmuşsa, saldırganlar ve savunma uzmanları tarafından çoktan incelenmiş olduğunu varsayın."

Günümüzün modern AI kodlama sistemleri, büyük yazılım depolarını işleyebilir ve yapılandırma ayarları, işlevler ve güvenlik varsayımları arasındaki şüpheli ilişkileri tespit edebilir. Bir saldırgan, böyle bir sistemden özellikle zayıf rasgele sayı üreteçlerini, yedek işlevleri veya kriptografik anahtarları etkileyen hataları aramasını isteyebilir.

Bağımsız araştırmacılar daha sonra, altta yatan rastgelelik sorunu ortaya çıktıktan sonra sorunu tespit etmek veya açıklamak için yapay zeka modellerini kullandıklarını bildirdi. Bu durum, yapay zeka destekli kod analizinin ne kadar erişilebilir hale geldiğini gösterdi, ancak orijinal saldırganın yapay zeka kullandığına dair bir kanıt oluşturmadı.

Coinkite, önde gelen bir yapay zeka modelini kullanarak yaptığı kendi incelemede, hırsızlık gerçekleşmeden önce bu kusuru ortaya çıkaramadığını kabul etti. Bu sonuç, yapay zeka sistemlerinin her ciddi kusuru otomatik olarak bulamadığını gösteriyor. Bu sistemlerin performansı, aldıkları talimatlara, sağlanan kod miktarına ve bir insan denetçinin uyarı işaretlerini anlayıp anlamadığına bağlı olabilir.

Eleştirmenler, Önce İnsan Hatası Olduğunu Söylüyor

Bazı güvenlik uzmanları, yapay zekaya (AI) aşırı odaklanmanın, temel bir mühendislik hatasından dikkatleri başka yöne çekme riski taşıdığını savunuyor. Birçoğu, yapılandırma hatasının bilinen bir yazılım hatası türü olduğuna ve geleneksel kod incelemeleri, test prosedürleri veya tohum oluşturmaya odaklanan denetimlerin bunu yıllar önce tespit edebileceğine inanıyor.

Karşıt görüşler birbiriyle mutlaka çelişkili değildir. Bir insan hatası bu güvenlik açığını yaratmış ve devam etmesine izin vermiştir; oysa AI, bu açığı bulma, anlama veya istismar etmenin maliyetini düşürmüş olabilir. Savunmacılar her tehlikeli zayıflığı tespit etmek zorundadır; oysa bir saldırganın tek yapması gereken sadece bir tanesini bulmaktır.

Bu olay, açık kaynak güvenliği hakkındaki varsayımları da sorgulamaya açıyor. Halka açık kod, bağımsız uzmanların yazılımı incelemesine olanak tanır; ancak erişilebilirlik tek başına, birisinin doğru bölümü gözden geçireceğini, ince bir kusuru fark edeceğini ve saldırgan harekete geçmeden bunu bildireceğini garanti etmez.

Coldcard kullanıcıları için acil öncelik, tohumlarının ne zaman ve nasıl oluşturulduğunu belirlemektir. Etkilenen bir tohumuna sahip olan herkes, resmi Coinkite kanalları aracılığıyla talimatları doğrulamalı, düzeltilmiş donanım yazılımını yüklemeli, yeni bir tohum oluşturmalı ve kimlik avı girişimlerine ve sahte destek mesajlarına karşı dikkatli olarak fonlarını aktarmalıdır.

Uzun vadeli sorular ise ne kadar bitcoin çalındığı, soruşturmacıların saldırganın kimliğini tespit edip edemeyeceği ve bu kusurun bulunmasında yapay zekanın belirleyici bir rol oynayıp oynamadığı üzerine odaklanacaktır. Donanım cüzdan şirketleri ayrıca entropi testlerini güçlendirme, derleme yapılandırmalarını denetleme ve hem insan uzmanlar hem de saldırgan yapay zeka araçlarıyla eski kodları sürekli olarak inceleme konusunda baskı altında kalacaktır.