Natuklasan ng AI ang kakulangan sa Coldcard Wallet para sa halagang $2, nagdulot ng mga alalahanin sa seguridad

Isang vulnerability sa Coldcard hardware wallet, na natuklasan ng isang AI model para sa halos $2, ay nagpapakailangan ng pagbabalik-tanaw sa ekonomiya ng seguridad sa buong industriya ng crypto hardware. Ang kamalian, na maaaring magbigay-daan sa isang attacker na kunin ang mga private key sa ilang mga kondisyon, ay natuklasan nang may kahanga-hangang kalakasan at minimal na gastos.

Ayon sa a market update from WuBlockchain, ang Dragonfly Managing Partner na si Haseeb Qureshi ay ibinahagi ang mga detalye ng insidente, na nagtuturo kung paano binabago ng AI ang ekonomiks ng pagsubok sa kaligtasan ng produkto. Ipinakilala niya ang isang metric na tinatawag niyang “Cost of Discovery”, na sumusukat kung gaano kahalang ang isang frontier model na muling ipakita ang isang vulnerability.

Ipinagpalagay ni Qureshi na ang gastos sa pagkakatuklas ng kamalian sa Coldcard ay halos $2. Isang nareport na pagsubok gamit ang Claude Code ay nagsimula lamang sa walong minuto, bagaman binigyan niya ng babala na maaaring naimpluwensyahan ang bilis ng pagkakaroon ng access sa web search. Isang hiwalay na offline na pagsubok gamit ang GLM model ay nakapag-reproduce ng isyu sa loob ng halos 20 minuto, na nagpapatotoo na ang vulnerability ay hindi nakadepende sa real-time na internet lookups.

Ang mga numero ay nakakalito dahil ang hardware wallets ay dapat na ang huling linya ng depensa para sa mga seriozong tagahanga ng crypto. Isang kahinaan na maliit lamang ang gastos para mahanap ay nagpapabagsak sa palagay na ang masusing, mahal na pagsusuri ang tanging paraan upang sirain ang isang device. Ito ay nagpapakita na ang curve ng gastos para sa paghahanap ng vulnerability ay nagkakasira.

Hindi lamang isang akademikong pagsubok ang bagong metric ni Qureshi. Nagbibigay ito ng isang direktang halaga sa dolyar na maaaring gamitin ng mga tagagawa ng hardware bilang batayan sa kanilang sariling budget para sa pagsusuri. Kung isang kamalian ay maaaring makita para sa $2, maaaring awtomatikong ihanap at i-scale ng anumang kalaban na may sapat na yaman—o kahit isang masigasig na mananaliksik—ang proseso sa iba’t ibang bersyon ng firmware o modelo ng device.

Ito ay naglalagay ng bigat sa mga tagagawa ng wallet. Ngayon, kinakaharap nila ang isang hinaharap kung saan ang seguridad ay hindi maaaring magbatay sa pagkakatago ng embedded code o ang mataas na gastos ng reverse engineering. Sa halip, kailangan nilang ipagpalagay na ang mga AI tool ay magpapalibot sa bawat release, at na ang panahon sa pagitan ng isang firmware update at isang pampublikong paghahayag ng vulnerability ay maaaring mabawasan sa mga oras, hindi sa mga linggo.

Ang insidente ay nagdudulot din ng presyon sa mga bug bounty program. Ang mga bayad na dati ay tila maliwanag ay maaaring tila sobra sa halaga kapag ang gastos para makahanap ng bug ay maliliit. Kailangan ng mga kumpanya na pumili kung susuportahan nila ang mga pagkilala na may mababang gastos at tulong ng AI, o baguhin ang mga insentibo upang prioritizahin ang kalalabasan kaysa sa kakaibang paraan.

Ang Coldcard event ay nangyayari sa isang panahon kung saan ang AI ay umiikot sa halos bawat sulok ng crypto market. UXLINK at Origins Network ay nagtutulungan upang magbigay ng lakas sa scalable, AI-driven na Web3 applications, habang ang mga network ng storage tulad ng Filecoin ay nagtatanggap ng atensyon dahil sa pagtaas ng pangangailangan para sa on-chain AI data storage. Ang paghanga sa mga asset na may tema na AI ay patuloy na malakas din, kasama ang BRC-20 NFTs tulad ng $X@AI na nasa pinakamataas na listahan ng mga benta sa linggo.

Ngunit ipinapakita ng Coldcard case ang mas matigas na aspeto ng integrasyong ito. Ang AI ay hindi lang nagpapalakas ng mga bagong paggamit ng token; ito ay nagrere-write ng playbook sa seguridad para sa infrastructure layer na nagtataguyod ng milyon-milyong dolyar sa mga digital asset. Para sa mga gumagawa ng hardware wallet, ang kompetitibong moat ay hindi na lang tungkol sa disenyo ng chip o mga sealed element—kabilang na rito ang bilis at gastos ng machine-assisted auditing.

Patuloy pa ring bukas ang tanong kung kung paano ang iba pang malawakang ginagamit na hardware wallet ay magkakaroon ng magkakatulad na mura mga pagkakamali. Kilala ang Coldcard dahil sa open-source, Bitcoin-only na pagkakasentro, na maaaring gawing mas madaling i-parse ang kanyang codebase kaysa sa ilang closed-source na alternatibo. Ngunit ang trend ay malinaw: ang mga frontier AI models ay naging mas mabilis at mas mura, at ang kanilang aplikasyon sa security testing ay magiging mas intensibo pa.

Mayroon ding kawalan ng katiyakan kung ang data ng gastos sa paghahanap ay magkakaroon ng daan patungo sa mga regulatoryong framework. Kung maaaring makahanap ng isang vulnerability para sa mga piso-lamang, dapat ba mabawasan ang antas para sa mandatory disclosure o recall? Hindi pa nagsimula ang debate na ito, ngunit ang mga pangyayari na kasama ang pagsasara na ito ay nagpapahiwatig na hindi na matagal bago ito magsimula.