发现Coldcard安全漏洞的功劳应归于人工智能吗？

一次有组织的清空行动掏空了数百个钱包

该事件于7月30日曝光，当时约500个单签名比特币地址中的594 BTC（当时价值近3,800万美元）被转移。消息刚一传出，Bitcoin.com News就指出，这些转账在约25分钟内完成，且似乎针对的是存在共同技术漏洞的钱包。

随后对区块链数据的分析进一步扩大了此次盗窃事件的可能规模。研究人员估计，在约41分钟的时间内，可能有1,082至1,196个地址受到影响。 随后，一个名为“Coldcard Sweep Watch”的自定义仪表盘将总金额定为1,128.4717 BTC，当时比特币交易价格接近63,044美元，相当于约7,110万美元。

大部分资金被整合到一个持有数百枚比特币的地址中，其中很大一部分资金长期处于静止状态。这些受影响的地址有一个重要的共同点：它们的恢复种子是在加拿大公司 Coinkite 生产的 Coldcard 硬件钱包上生成的。

恢复种子是一组控制加密货币钱包访问权限的单词列表。任何能够重建或获取该种子的人，通常无需持有实体设备即可转移钱包中的资金。

Coldcard发现随机数生成系统存在漏洞

Coinkite发布紧急公告警告称，Coldcard设备上生成的某些种子可能存在安全隐患。运行2021年3月左右发布的4.0.1版固件及后续版本的Mk3设备面临的风险最大。

进一步分析将担忧范围扩大至Coinkite发布紧急固件修复程序之前，在部分Mk4、Mk5和Q设备上生成的助记词。据报道，Tapsigner、Opendime和Satscard产品因采用不同的软件而未受影响。

该漏洞涉及随机数据生成过程。安全钱包依赖高质量的随机性，以确保其恢复种子无法被猜出。在受影响最严重的Mk3设备上，研究人员估计种子可能仅包含约40位的有效随机性，而非预期的128位。

这一差异至关重要。一个正确生成的 128 位种子被认为通过暴力破解几乎不可能被猜中。而 40 位种子提供的可能性要少得多，这使得拥有足够计算能力的攻击者能够离线测试潜在的种子，并将生成的地址与公开的比特币区块链进行比对。

部分较新的设备可能提供了约72比特的有效随机性，因为安全硬件增加了另一层不可预测的数据。这会使种子更难被重建，尽管其安全性仍远低于预期。

一个配置错误持续了5年

问题源于构建阶段的一个配置错误，该错误涉及两个执行类似任务的软件函数。其中一个函数使用设备基于硬件的真随机数生成器，而另一个则依赖于从 MicroPython 继承的、安全性较弱的软件生成过程。

Coinkite本意是禁用MicroPython选项。然而，软件检查仅关注配置标签是否已被定义，而非其值是否已被设为零。结果，最终生成的固件可能会在无任何提示的情况下选择安全性较低的函数。

由于这两个函数的格式一致，软件在编译和运行过程中并未产生明显错误。该错误在2021年的一次软件迁移过程中混入代码，并在公开发布的固件中存在了五年多。

现在更新设备并不能增强在有缺陷的软件下生成的种子。受影响的用户必须使用已修正的固件或另一台安全设备创建一个全新的种子，然后将资金转移到由该新种子控制的地址中。

在生成种子时添加了至少50次独立骰子掷骰结果的用户，可能提供了足够的额外随机性以规避这一漏洞。强度的BIP-39密码短语也可能使种子重建更加困难，而需要多个独立设备共同签名的钱包，则可能防止单个遭入侵的种子单独转移资金。

Coinkite将原因归咎于AI，但仍缺乏证据

Coinkite首席执行官罗道夫·诺瓦克（Rodolfo Novak）公开致歉，并表示公司对固件故障承担全部责任。他表示，团队正在着手修复软件、编写技术报告，并为受影响用户提供支持。

Coinkite 和诺瓦克还就该漏洞的发现过程提出了一个引人注目的理论。由于其固件已公开发布多年，该公司认为可能有人利用人工智能分析了旧版本的代码，从而发现了随机性不足的漏洞路径。 “致所有开发者：我们认为这是新人工智能范式下一个令人警醒的现实。 AI辅助的代码审查如今能以超越业内最资深专家的速度发现潜在漏洞，”诺瓦克在X平台发布的致歉帖中写道。“如果你的固件是开源的，或者曾经公开过，就该假设它已经被攻击者和防御者双方阅读过了。”

当今的现代AI编码系统能够处理大型软件代码库，并识别配置设置、函数和安全假设之间的可疑关联。攻击者可以要求此类系统专门查找存在缺陷的随机数生成器、备用函数或影响加密密钥的错误。

在底层随机性问题被披露后，独立研究人员随后报告称，他们利用AI模型定位或解释了该问题。这表明AI辅助代码分析已变得多么触手可及，但并未证实最初的攻击者使用了AI。

Coinkite承认，其在盗窃事件发生前使用领先AI模型进行的审查未能发现该漏洞。这一结果表明，AI系统并不能自动发现所有严重缺陷。其性能可能取决于收到的指令、提供的代码量，以及人工审查员是否能够识别警告信号。

批评者称人为失误才是首要原因

一些安全专家认为，过分关注人工智能（AI）可能会转移人们对基本工程失误的注意力。许多人认为，该配置错误属于已知的软件错误类型，如果通过常规的代码审查、测试流程或针对种子生成的审计，本可在数年前就发现这一问题。

这两种对立观点并不一定相互矛盾。人为失误造就了该漏洞并使其长期存在，而人工智能可能降低了发现、理解或利用该漏洞的成本。防御者必须识别每一个危险的弱点，而攻击者只需找到一个即可。

该事件也挑战了人们对开源安全的既定假设。公开的代码虽然允许独立专家审查软件，但仅凭代码的公开性并不能保证有人会审查正确的代码段、识别出细微的缺陷，并在攻击者采取行动前报告该问题。

对于Coldcard用户而言，当务之急是确定其助记词的生成时间和方式。任何持有受影响助记词的用户，都必须通过Coinkite官方渠道核实操作指南，安装修正后的固件，生成新的助记词，并在转移资金时保持警惕，防范钓鱼攻击和虚假支持信息。

长期来看，关注焦点将集中在被盗比特币的具体金额、调查人员能否锁定攻击者，以及人工智能在发现该漏洞过程中是否发挥了决定性作用。硬件钱包公司也将面临压力，需要加强熵值测试、审核构建配置，并借助人工专家和对抗性人工智能工具持续审查旧代码。