Galaxy Digital 研究主管 Alex Thorn 报告称,至少有 15 个不同的攻击者利用了 Coldcard 硬件钱包漏洞,新的受害者报告揭示了此前未被发现的盗窃事件。此次漏洞利用源于固件集成错误,导致受影响的钱包依赖确定性伪随机数生成器,而不是基于硬件的随机数生成器。Galaxy Research 估计,在已确认的三波攻击中,约有价值 1 亿美元的比特币被盗;疑似存在的第四波攻击可能会使总损失增至约 1.3 亿美元。
Thorn 表示,这些报告帮助 Galaxy 研究人员将更多比特币地址与该事件关联起来。在一起案件中,一名损失不足 1 枚比特币的受害者帮助研究人员识别出一名攻击者,该攻击者从 126 个地址中窃取了 12 BTC。与中心化交易所遭到入侵不同,这些盗窃涉及资金从众多相互独立控制的钱包转移至多个攻击者地址。除非受害者披露其钱包地址和交易信息,否则研究人员可能无法识别部分盗窃事件。这 15 个攻击者集群不一定代表 15 名已知个人,因为部分地址可能由同一个人或团体控制,而其他攻击者可能仍未被发现。
Coldcard 漏洞削弱钱包助记词生成
该漏洞影响了一些 Coldcard 设备用于生成恢复助记词的流程。据报道,固件集成错误导致受影响的钱包依赖确定性伪随机数生成器,而不是原本应使用的基于硬件的随机数生成器。这降低了保护部分私钥的有效随机性,使攻击者更容易搜索有效的助记词。
Castle Labs 联合创始人 Francesco 表示,受影响的 Coldcard 钱包生成的私钥可能只有约 40 比特的熵。标准的 12 词恢复助记词通常提供 128 比特的熵。这并不意味着攻击者可以直接从隔离设备中提取密钥。相反,他们可以重建可能的恢复助记词,并监控相关比特币地址中的资金。
建议可能受影响的钱包用户更新固件,生成全新的助记词,并将比特币转移至由新钱包控制的地址。仅将受影响的恢复助记词导入另一台设备,并不能解决根本的安全弱点。
漏洞被利用后,AI 安全测试争议浮现
该事件引发了关于 AI 辅助安全测试是否能够更早发现这一漏洞的争论。Dragonfly 管理合伙人 Haseeb Qureshi 认为,只需约 2 美元的 AI 安全加固就可能避免这些损失。他提到了声称 AI 模型在数分钟内重新发现该漏洞的实验,其中一项测试显示,开源 GLM 5.2 模型据称在无法访问网络的情况下,于约 20 分钟内发现了该漏洞。
批评者质疑这些实验是否能证明 AI 在漏洞公开之前就能发现它。Tokenomist 数据负责人 Tatsapat Saerejittima 表示,部分测试是在漏洞披露后进行的,而且缺乏盲测、完整记录的方法论以及对误报的评估。
常见问题
有多少攻击者利用了 Coldcard 钱包漏洞?
Galaxy Digital 研究发现,至少有 15 个不同的攻击者集群利用了 Coldcard 硬件钱包漏洞。这 15 个集群不一定代表 15 名已知个人,因为部分地址可能由同一个人或团体控制。
是什么导致了 Coldcard 钱包的安全弱点?
固件集成错误导致受影响的 Coldcard 钱包依赖确定性伪随机数生成器,而不是原本应使用的基于硬件的随机数生成器。这降低了保护私钥的有效随机性,导致受影响的钱包生成的密钥只有约 40 比特的熵,而标准的 12 词恢复助记词通常提供 128 比特的熵。
Coldcard 漏洞利用事件中有多少比特币被盗?
Galaxy Research 估计,在已确认的三波攻击中,约有价值 1 亿美元的比特币被盗。研究人员发现了疑似存在的第四波攻击,可能会使总损失增至约 1.3 亿美元。