据 Galaxy Digital 研究主管 Alex Thorn 称,至少有 15 名攻击者利用了 Coldcard 漏洞。Thorn 援引了事件发生后收到的新增受害者报告。Thorn 周二表示,受害者报告帮助识别出原本可能未被发现的攻击者,因为该漏洞的性质不同于中心化交易所遭黑客攻击的情况。该漏洞源于固件缺陷,将私钥熵降低至 40 位,显著低于其他钱包采用的 128 位标准,使硬件钱包容易受到暴力破解攻击。Galaxy Research 估计,在三次已确认的攻击波次中,损失已增至 1 亿美元,而疑似第四次攻击波次可能使比特币总损失达到约 1.3 亿美元。这一事件重新引发了关于冷存储钱包安全性以及用户自行持有比特币是否更安全的争论。
受害者报告促成新攻击者识别
Thorn 周二表示,受害者报告帮助公司标记出原本可能未被发现的新攻击者。Thorn 在周二发布的 X 动态中写道:“由于一名受害者报告被盗金额低于 1 BTC,我们识别出了一起从 126 个地址窃取 12 BTC 的新攻击。”事实证明,受害者报告机制对于追踪该漏洞的完整影响范围至关重要,因为此次攻击具有去中心化性质,不同于中心化交易所遭黑客攻击的情况,后者的损失会立即显现。
Galaxy Research 估计三次攻击波次造成的损失 $100M
Galaxy Research 确认,三次攻击波次造成的估计损失总额为 1 亿美元。该公司还识别出疑似第四次攻击波次,可能使比特币总损失达到约 1.3 亿美元。随着更多受害者报告被盗事件,以及研究人员追踪比特币在各个区块链地址之间的流动,损失估计不断增加。
Dragonfly 合伙人将漏洞归因于 AI 加固缺口
Dragonfly 管理合伙人 Haseeb Qureshi 写道,约 2 美元的“AI 加固”本可以阻止 Coldcard 漏洞,并援引社交媒体报告称,一些 AI 模型在不到 20 分钟内重新发现了该漏洞。Qureshi 的言论是对多名社交媒体用户的回应,这些用户声称 Claude 仅用 8 分钟就能够重新发现该漏洞。他认为,这些结果可能受到了网络搜索结果污染的影响,并补充说,开源 AI 模型 GLM 5.2 在关闭网络访问的情况下,能够在 20 分钟内重新发现该攻击。
Tokenomist 质疑 AI 发现漏洞的时间线
Tokenomist 数据负责人 Tatsapat Saerejittima 告诉 Cointelegraph,AI 模型不太可能在该漏洞公开之前独立发现它。Saerejittima 表示:“AI 在 2 分钟内发现该漏洞的说法,来自一名匿名 Reddit 用户;此人在漏洞已经公开后才扫描了代码。没有盲测,没有记录在案的方法,也没有评估模型的假阳性率。”
固件漏洞将私钥熵降低至 40 位
Castle Labs 联合创始人 Francesco 告诉 Cointelegraph,Coldcard 使用了“远低于其他钱包所采用标准的私钥熵水平(40 位)(12 词助记词为 128 位),这是固件漏洞造成的,使攻击更加容易”。Francesco 表示,随着 AI 模型能力不断提升,并在网络安全和漏洞利用领域变得更加普遍,他预计漏洞发现成本将继续下降。与行业标准的 128 位熵相比,40 位熵水平使暴力破解攻击变得容易得多。
常见问题
有多少攻击者利用了 Coldcard 漏洞?
据 Galaxy Digital 研究主管 Alex Thorn 称,至少有 15 名不同的攻击者利用了 Coldcard 漏洞。受害者报告帮助识别出新的攻击者,其中一个案例中,一名受害者报告被盗金额低于 1 BTC,最终促成了对一起从 126 个地址窃取 12 BTC 的攻击的发现。
Coldcard 漏洞是由什么造成的?
该漏洞源于固件缺陷,将私钥熵降低至 40 位,显著低于采用 12 词助记词的其他钱包所使用的 128 位标准。据 Castle Labs 联合创始人 Francesco 称,这一较低的熵水平使硬件钱包容易受到暴力破解攻击。
Coldcard 漏洞利用事件中有多少比特币被盗?
Galaxy Research 估计,在三次已确认的攻击波次中,损失已增至 1 亿美元。该公司识别出疑似第四次攻击波次,可能使比特币总损失达到约 1.3 亿美元。