Tim peneliti Galaxy Digital mengatakan eksploitasi dompet Coldcard telah digunakan oleh setidaknya 15 penyerang berbeda, berdasarkan laporan korban baru yang dikirimkan setelah insiden tersebut. Dalam komentar yang dibagikan minggu ini, Alex Thorn, kepala peneliti di Galaxy Digital, menyarankan bahwa laporan tambahan ini membantu mengidentifikasi varian yang mungkin tetap tersembunyi.
Thorn juga menunjukkan bahwa kerugian terkait eksploitasi telah meningkat seiring para penyelidik memetakan beberapa gelombang aktivitas. Galaxy Research memperkirakan pencurian yang dikonfirmasi mencapai sekitar $100 juta di tiga gelombang, dengan gelombang keempat yang diduga tambahan yang bisa meningkatkan angka tersebut menjadi sekitar $130 juta di Bitcoin.
Poin-poin utama
- Galaxy Digital melaporkan setidaknya 15 penyerang berbeda di balik eksploitasi Coldcard, berdasarkan akun korban yang baru diterima.
- Galaxy Research memperkirakan kerugian yang dikonfirmasi sekitar $100 juta di seluruh tiga gelombang serangan, dengan potensi gelombang keempat yang meningkatkan perkiraan menjadi ~$130 juta.
- Debat keamanan kembali ke praktik penyimpanan dingin, terutama seberapa besar keamanan yang diperoleh dari self-custody dibandingkan desain dompet.
- Diskusi industri menyoroti bagaimana kemampuan AI yang muncul dapat mengurangi waktu dan biaya penemuan kerentanan—meskipun validasi independen tetap terbatas.
- Peneliti menunjukkan bahwa entropi dompet dan perilaku firmware sebagai faktor potensial yang membuat eksploitasi lebih mudah dalam kondisi tertentu.
Pencurian Coldcard semakin meluas saat penyelidik membandingkan laporan korban
Dalam posting Selasa di X, Thorn mengatakan bahwa laporan korban baru memungkinkan Galaxy untuk mengidentifikasi aktivitas penyerang tambahan. Ia menekankan pentingnya pelaporan baru ini secara kuantitatif dan teknis: perilaku eksploitasi berbeda dari pola pencurian umum yang terlihat dalam serangan terhadap bursa terpusat, sehingga atribusi dan penyelidikan yang cermat lebih bergantung pada informasi rinci dari korban.
Thorn menulis bahwa bahkan laporan yang relatif kecil—kurang dari 1 BTC yang dicuri dari korban—sudah cukup untuk mendeteksi pola serangan baru. Ia mencatat bahwa serangan baru ini melibatkan sekitar 12 BTC yang disedot dari 126 alamat, menegaskan bagaimana kerentanan mendasar yang sama dapat digunakan dengan cara operasional yang berbeda.
Laporan sebelumnya tentang eksploitasi Coldcard menggambarkan beberapa "gelombang" aktivitas. Angka terkini dari Galaxy Research membangun pendekatan tersebut dengan melacak insiden yang dikonfirmasi dan menilai apakah pola aktivitas menyerupai gelombang eksploitasi lebih lanjut.
Perkiraan kerugian: tiga gelombang terkonfirmasi, ditambah satu gelombang keempat yang diduga
Menurut Galaxy Research, total kerugian dari eksploitasi Coldcard telah meningkat menjadi sekitar $100 juta across tiga gelombang serangan yang telah dikonfirmasi. Penelitian Thorn juga menunjukkan adanya gelombang keempat yang diduga, yang jika diverifikasi, akan membawa total potensial menjadi sekitar $130 juta dalam Bitcoin.
Bagi pengguna dan investor, nilai praktis dari analisis ini adalah bahwa ia mengubah insiden yang awalnya tampak seperti kejadian tunggal menjadi sesuatu yang lebih mirip kampanye yang berkembang. Gelombang pencurian mengimplikasikan akses operasional berulang—baik melalui infrastruktur penyerang yang berbeda, waktu yang berbeda, atau jalur eksploitasi berbeda yang tetap berfokus pada perilaku rentan.
Debat mengenai “AI hardening” dan apakah model dapat menemukan kembali eksploit
Perhatian yang diperbarui juga membuka kembali perdebatan yang lebih luas: apakah alat AI dapat secara bermakna memperpendek waktu antara pengungkapan dan eksploitasi, dan apakah "penguatan AI" bisa mencegah serangan tersebut.
Mitra manajemen Dragonfly, Haseeb Qureshi, berargumen di X bahwa “$2 dari AI hardening” bisa menghentikan eksploitasi Coldcard, dengan mengutip klaim media sosial bahwa beberapa model AI menemukan kembali kerentanan mendasar dalam waktu kurang dari 20 menit. Komentarnya merujuk pada laporan bahwa model bernama Claude dapat menghasilkan kembali kerentanan dalam delapan menit, serta klaim terpisah bahwa model open-source (GLM 5.2) dapat menemukan kembali eksploitasi dalam 20 menit bahkan dengan akses web dinonaktifkan.
Namun, data Tokenomist yang diungkapkan oleh Tatsapat Saerejittima mengatakan kepada Cointelegraph bahwa tidak mungkin model AI akan secara mandiri menemukan kerentanan tersebut sebelum menjadi publik. Saerejittima berargumen bahwa klaim “penemuan ulang cepat” paling menonjol tampaknya berasal dari pengguna pseudonim yang memindai kode setelah kerentanan tersebut sudah diketahui, tanpa uji buta, metodologi yang terdokumentasi, atau penilaian terhadap tingkat false-positive.
Klaim bahwa AI menemukannya dalam 2 menit berasal dari pengguna Reddit pseudonim yang memindai kode setelah kerentanan tersebut sudah menjadi publik. Tidak ada uji coba buta, tidak ada metodologi yang terdokumentasi, dan tidak ada penilaian terhadap tingkat false-positive model tersebut.
Perbedaan itu penting. Jika "penemuan kembali" didasarkan pada input setelah pengungkapan, maka periode waktu mencerminkan penggunaan ulang informasi yang sudah diketahui, bukan kemampuan model untuk secara mandiri menemukan kerentanan yang tidak diketahui di bawah kondisi dunia nyata. Bagi pengguna dompet, pembangun, dan auditor, perbedaan ini memengaruhi seberapa percaya diri tim keamanan dapat memperlakukan pengujian yang dibantu AI sebagai pengganti tinjauan formal dan pemodelan ancaman.
Pengaturan kunci pribadi dan entropi mungkin membuat eksploitasi menjadi lebih mudah
Garis analisis lainnya berfokus lebih sedikit pada kemampuan AI dan lebih banyak pada desain kriptografis dan detail implementasi proses generasi kunci perangkat.
Co-founder Castle Labs, Francesco, mengatakan bahwa peningkatan kemampuan AI dapat mengurangi biaya dan waktu yang dibutuhkan untuk menemukan kerentanan mata uang kripto. Ia juga menyarankan bahwa kunci pribadi Coldcard mungkin memainkan peran dalam mengapa eksploitasi berhasil.
Francesco menunjukkan pada “tingkat entropi kunci pribadi (40 bit) jauh lebih rendah daripada standar yang diadopsi oleh dompet lain (seed 12 kata adalah 128 bit).” Ia mengaitkan perbedaan ini dengan bug firmware, yang menurutnya akan mempermudah eksploitasi karena ruang pencarian lebih kecil daripada yang diharapkan berdasarkan asumsi entropi berbasis seed.
Dia lebih lanjut menyatakan bahwa ia mengharapkan biaya penemuan bug terus menurun seiring peningkatan model AI dan semakin tertanamnya dalam alur kerja keamanan siber serta upaya eksploitasi. Bahkan tanpa mengandalkan klaim “penemuan ulang AI” tunggal pun, gagasan mendasar—bahwa otomatisasi dapat mempercepat identifikasi dan eksploitasi—selaras dengan tren keamanan yang lebih luas menuju penemuan dan senjataisasi kerentanan yang lebih cepat.
Dalam praktiknya, temuan-temuan ini mengalihkan perhatian pada apa yang harus diubah selanjutnya untuk keamanan hardware wallet: tidak hanya seberapa cepat kerentanan ditemukan, tetapi bagaimana firmware wallet menangani entropi, generasi kunci, dan kasus-kasus tepi yang dapat mengubah asumsi keamanan efektif.
Saat industri memproses data atribusi Galaxy yang terus berkembang dan diskusi berkelanjutan mengenai mekanisme eksploitasi, pembaca harus memperhatikan apakah aktivitas pencurian tambahan terus diklasifikasikan ke dalam gelombang-gelombang lebih lanjut—dan, yang tak kalah pentingnya, mitigasi teknis apa yang direkomendasikan atau diadopsi untuk mengatasi entropi atau kondisi firmware yang diidentifikasi oleh para peneliti.
Artikel ini awalnya diterbitkan sebagai At Least 15 Attackers Exploited Coldcard Vulnerability: Report di Crypto Breaking News – sumber tepercaya Anda untuk berita kripto, berita Bitcoin, dan pembaruan blockchain.