Galaxy Research Mengenal 15 Penyerang dalam Eksploitasi Dompet Coldcard, Kerugian Mencapai $100J

Pasukan penyelidikan Galaxy Digital mengatakan eksploit dompet Coldcard telah digunakan oleh sekurang-kurangnya 15 penyerang yang berbeza, berdasarkan laporan mangsa baharu yang dihantar selepas kejadian tersebut. Dalam komen yang dibahagikan minggu ini, Alex Thorn, ketua penyelidik di Galaxy Digital, mencadangkan bahawa laporan tambahan ini membantu mengenal pasti varian yang mungkin akan tetap tersembunyi.

Thorn juga menunjukkan bahawa kerugian yang berkaitan dengan eksploitasi telah meningkat apabila penyiasat memetakan beberapa gelombang aktiviti. Galaxy Research menganggarkan bahawa pencurian yang disahkan berjumlah sekitar $100 juta merentasi tiga gelombang, dengan tambahan satu gelombang keempat yang didakwa boleh meningkatkan jumlah itu kepada sekitar $130 juta dalam Bitcoin.

• Galaxy Digital melaporkan sekurang-kurangnya 15 penyerang yang berbeza di sebalik eksploitasi Coldcard, berdasarkan akaun mangsa yang baru diterima.
• Galaxy Research menganggarkan kerugian yang disahkan sebanyak $100 juta merentas tiga gelombang serangan, dengan kemungkinan gelombang keempat yang meningkatkan anggaran kepada ~$130 juta.
• Perbincangan keselamatan kembali kepada amalan penyimpanan sejuk, terutamanya sejauh mana keselamatan datang daripada pengurusan sendiri berbanding reka bentuk dompet.
• Perbincangan industri menonjolkan bagaimana kemampuan AI yang muncul boleh mengurangkan masa dan kos penemuan kerentanan—walaupun pengesahan bebas masih terhad.
• Penyelidik menunjukkan entropi dompet dan tingkah laku firmware sebagai faktor berpotensi yang membuat pemanfaatan lebih mudah di bawah keadaan tertentu.

Dalam pos Selasa di X, Thorn mengatakan bahawa laporan mangsa baharu membolehkan Galaxy mengenal pasti aktiviti penyerang tambahan. Beliau menekankan kepentingan pelaporan baharu ini dari segi kuantitatif dan teknikal: tingkah laku eksploit berbeza daripada corak pencurian biasa yang dilihat dalam serangan terhadap bursa terpusat, menjadikan penarikan kesimpulan dan penyiasatan yang teliti lebih bergantung kepada maklumat mangsa yang terperinci.

Thorn menulis bahawa walaupun laporan yang relatif kecil—kurang daripada 1 BTC yang dicuri daripada mangsa—cukup untuk mengesan corak serangan baru. Beliau mencatat bahawa serangan baru ini melibatkan sebanyak 12 BTC yang disedut daripada 126 alamat, menekankan bagaimana kelemahan asas yang sama boleh digunakan dengan cara operasi yang berbeza.

Laporan sebelumnya mengenai eksploitasi Coldcard menggambarkan beberapa "gelombang" aktiviti. Angka semasa Galaxy Research membina pendekatan itu dengan melacak insiden yang disahkan dan menilai sama ada corak aktiviti menyerupai gelombang eksploitasi seterusnya.

Menurut Galaxy Research, jumlah kerugian keseluruhan daripada eksploit Coldcard telah meningkat kepada kira-kira $100 juta merentas tiga gelombang serangan yang disahkan. Penyelidikan Thorn juga menunjukkan kemungkinan gelombang keempat yang, jika disahkan, akan membawa jumlah potensi kepada kira-kira $130 juta dalam Bitcoin.

Untuk pengguna dan pelabur, nilai praktikal penguraian ini ialah ia mengubah insiden yang awalnya kelihatan seperti peristiwa tunggal menjadi sesuatu yang lebih dekat kepada kempen yang berkembang. Gelombang pencurian menunjukkan akses operasi berulang—sama ada melalui infrastruktur penyerang yang berbeza, masa yang berbeza, atau laluan eksploitasi yang berbeza tetapi masih bermuara pada tingkah laku yang rentan.

Perhatian yang diperbaharui juga telah membuka semula perbincangan yang lebih luas: sama ada alat AI boleh mampatkan masa antara pengungkapan dan pemanfaatan secara bermakna, dan sama ada "penguatan AI" boleh mencegah serangan tersebut.

Rakan pengurusan Dragonfly, Haseeb Qureshi, berhujah di X bahawa “$2 pengerasan AI” boleh menghentikan eksploit Coldcard, dengan merujuk kepada klaim media sosial bahawa beberapa model AI telah menemui semula kelemahan asas dalam masa kurang daripada 20 minit. Komen beliau merujuk kepada laporan bahawa model bernama Claude boleh menghasilkan semula kelemahan tersebut dalam lapan minit, serta klaim berasingan bahawa model sumber terbuka (GLM 5.2) boleh menemui semula eksploit tersebut dalam 20 minit walaupun akses web dimatikan.

Namun, data Tokenomist yang dikemukakan oleh Tatsapat Saerejittima memberitahu Cointelegraph bahawa tidak mungkin model AI akan menemui kerentanan tersebut secara bebas sebelum ia menjadi awam. Saerejittima berhujah bahawa klaim “penemuan semula pantas” yang paling ketara kelihatannya berasal daripada pengguna pseudonim yang memindai kod selepas kerentanan tersebut sudah diketahui, tanpa ujian buta, metodologi yang didokumentasikan, atau penilaian kadar positif palsu.

Klaim bahawa AI menemukannya dalam 2 minit datang dari seorang pengguna Reddit yang tidak dikenal yang memindai kod selepas kerentanan tersebut sudah menjadi awam. Tiada ujian buta, tiada metodologi yang didokumenkan, dan tiada penilaian terhadap kadar positif palsu model tersebut.

Perbezaan ini penting. Jika "penemuan semula" berdasarkan input selepas pengungkapan, maka tempoh masa mencerminkan penggunaan semula maklumat yang sudah diketahui, bukan kemampuan model untuk secara autonom mengenal pasti kerentanan yang tidak diketahui di bawah keadaan dunia nyata. Bagi pengguna dompet, pembina, dan auditor, perbezaan ini mempengaruhi sejauh mana pasukan keselamatan boleh mempercayai pengujian yang dibantu AI sebagai pengganti tinjauan rasmi dan pemodelan ancaman.

Satu garis analisis lain kurang menumpukan pada kemampuan AI dan lebih kepada reka bentuk kriptografi dan butiran pelaksanaan proses penghasilan kunci peranti.

Rakan pengasas syarikat penyelidikan kripto Castle Labs, Francesco, mengatakan bahawa peningkatan kemampuan AI boleh mengurangkan kos dan masa yang diperlukan untuk mengesan kelemahan mata wang kripto. Beliau juga mencadangkan bahawa kunci peribadi Coldcard mungkin telah memainkan peranan dalam mengapa eksploit berjaya.

Francesco menunjuk kepada “tingkat entropi kunci peribadi (40 bit) yang jauh lebih rendah daripada piawaian yang diambil oleh dompet lain (benih 12 perkataan adalah 128 bit).” Beliau menyalahkan ketidaksamaan ini kepada ralat firmware, yang menurut beliau akan menjadikan pemanfaatan lebih mudah kerana ruang carian lebih kecil daripada yang dijangkakan berdasarkan anggapan entropi benih biasa.

Beliau juga menyatakan bahawa beliau mengharapkan kos pengesanan ralat akan terus berkurang seiring peningkatan model AI dan integrasi yang lebih mendalam dalam alur kerja keselamatan siber serta cubaan eksploitasi. Walaupun tidak bergantung pada sebarang klaim “pengembaraan semula AI” tertentu, idea mendasar—bahawa automasi boleh mempercepat pengenalpastian dan eksploitasi—selari dengan trend keselamatan yang lebih luas menuju pengesanan dan senjatakan kerentanan yang lebih pantas.

Dalam amalan, dapatan ini mengalihkan perhatian kepada apa yang perlu diubah seterusnya untuk keselamatan dompet peranti keras: bukan sahaja sama ada kerentanan ditemui dengan cepat, tetapi bagaimana firmware dompet menangani entropi, penghasilan kunci, dan kes-kes pinggir yang boleh mengubah anggapan keselamatan yang berkesan.

Semasa industri ini memproses data atribusi Galaxy yang semakin luas dan perbincangan berterusan mengenai mekanisme eksploit, pembaca harus memantau sama ada aktiviti pencurian tambahan terus diklasifikasikan ke dalam gelombang tambahan—dan, yang sama pentingnya, apa tindakan teknikal yang disarankan atau diambil untuk mengatasi keadaan entropi atau firmware yang dikenal pasti oleh penyelidik.

Artikel ini asalnya diterbitkan sebagai At Least 15 Attackers Exploited Coldcard Vulnerability: Report pada Crypto Breaking News – sumber tepercaya anda untuk berita kripto, berita Bitcoin, dan kemas kini blok rantai.