Ang iyong seed phrase ay hindi nagmula sa random. Iyon ang takot sa likod ng Coldcard mess. Sa loob ng limang taon, isang firmware bug mula sa 2021 ay nagsilently na nagpalit ng hardware noise source sa isang mahinang software generator na binase sa serial numbers at timers. Dapat ay 128 bits ng chaos ang resulta, ngunit bumagsak ito sa halos 40 bits sa mga lumang unit at 72 sa mga bago. Ang mga attacker ay simple lang na enumerate ang maliit na space, tinamaan ang mga address sa blockchain, at umalis na may higit sa 1,700 BTC. Walang phishing. Walang pisikal na pagkakawala. Tanging ang matematika ang nagsagawa sa isang tahimik na pagkabigo na tila perpekto ang normal. Iyon ang aral na nananatili. Ang randomness ay maaaring magkamali nang walang tunog. Ang wallet ay patuloy na gumagana. Ang mga seed words ay tila legit. Ang pinsala ay lumalabas lamang kapag may iba ang tapos na kumalkula bago ka. Ang sagot ni ERA ay deliberately messy, ngunit sa mabuting paraan. Laging nagpapatakbo ang dalawang hiwalay na hardware generator mula sa iba’t ibang maker: ang sariling noise source ng STM32 at isang NIST-certified secure element. Pagkatapos, kung pipili ka ng expert path, idadagdag ng device ang tatlong karagdagang stream na only you ang makakapagbigay. Isusulat mo sa screen, hihigpitin mo ang unit, at ililipat mo ang camera sa paligid ng tunay mong silid. Bawat sample ay kinukuha sa hindi inaasahang mga sandali na pinili ng hardware mismo, kasama ang entropy testing bago ang pagtanggap. Ang lahat ay huling pinagsama sa pamamagitan ng SHA-512, kaya kahit na ilang source ay ma-compromise, mayroon pa ring iba na makakaprotekta sa resulta. Ang arkitektura ay may sensibilidad para sa akin dahil ito ay tumutol sa single point of trust na nagkamali sa Coldcard. Gusto ko pa rin ang mas malinaw na publikong patunay na ang on-device statistical tests ay hindi maaaring ma-gamit ng isang maingat na inihanda na kapaligiran. Gusto ko ring makita kung paano isinasagawa ang audit ng blending function sa shipping firmware, hindi lamang sa lab. Iyon ang mga natitirang tanong. Hanggang sa masagot sila ng parehong transparensya tulad ng disenyo mismo, ang multi-source entropy ay tila isa sa pinakamatibay na praktikal na tugon sa randomness failures na paulit-ulit nating natutunan sa mahirap na paraan.