一個已存在五年的 Coldcard 軟體漏洞可能允許攻擊者重建私鑰並轉走超過 1,100 比特幣，促使該錢包的製造商將此發現部分歸因於人工智慧（AI）。
重點摘要
- 與 Coldcard 關聯的助記詞暴露，涉及 1,128.4717 BTC，價值約 7,110 萬美元。
- Coinkite 表示 AI 可能已發現五年來的漏洞，但歸因仍未得到證實。
- 受影響的助記詞的 Coldcard 用戶必須在修復的固件上建立新的錢包。
一場協調性掃蕩清空了數百個錢包
該事件在約 594 比特幣（當時價值近 3800 萬美元）於 7 月 30 日從約 500 個單簽名比特幣地址轉出後曝光。當這則新聞首次曝光時，Bitcoin.com News 指出這些轉帳在約 25 分鐘內完成，似乎針對具有共同技術弱點的錢包。
後續的區塊鏈審查擴大了盜竊的可能規模。研究人員估計，在約41分鐘的時間內，可能有1,082至1,196個地址受到影響。custom dashboard called Coldcard Sweep Watch隨後將總數定為1,128.4717 BTC，當時比特幣交易價約為63,044美元，價值約7,110萬美元。
大部分資金被集中到一個持有數百枚比特幣的地址，其中大部分資金長期保持不動。這些受影響的地址有一個共同的重要細節：它們的恢復密鑰均是在加拿大公司 Coinkite 製造的 Coldcard 硬體錢包上生成的。
恢復助記詞是一組用於控制加密貨幣錢包存取權限的單詞。任何能夠重構或取得該助記詞的人，通常無需擁有實體設備即可轉移錢包內的資金。
Coldcard 發現一個有缺陷的隨機性系統
Coinkite 發出緊急建議警告，指出在 Coldcard 裝置上生成的某些助記詞可能較弱。運行於 2021 年 3 月左右發布的 4.0.1 版固件及之後版本的 Mk3 裝置屬於風險最高的類型。
進一步的分析將關注範圍擴大至在 Coinkite 發布緊急固件修復 之前於部分 Mk4、Mk5 和 Q 設備上創建的種子。據報導，Tapsigner、Opendime 和 Satscard 產品未受影響，因為它們使用不同的軟體。
該缺陷涉及用於生成隨機數據的過程。安全錢包依賴高品質的隨機性，以確保其恢復密鑰無法被猜測。在受影響最嚴重的 Mk3 設備上，研究人員估計，該密鑰可能僅包含約 40 位的有效隨機性，而非預期的 128 位。
這個差異至關重要。正確生成的 128 位種子被認為幾乎不可能通過暴力破解猜出。而 40 位種子的可能組合則少得多，讓攻擊者只要有足夠的計算能力，就可以離線測試潛在種子，並將生成的地址與公開的比特幣區塊鏈進行比對。
一些較新的設備可能提供了約 72 位的有效隨機性，因為安全硬體增加了另一層不可預測的資料。這會使種子更難以重建，though still much weaker than intended。
一項配置錯誤持續了 5 年
問題始於一個建置時的設定錯誤，涉及兩個執行類似功能的軟體函數。其中一個函數使用裝置的硬體真隨機數產生器，而另一個則依賴從 MicroPython 繼承而來的較弱軟體流程。
Coinkite 原本打算停用 MicroPython 選項。然而，軟體檢查僅查看是否定義了配置標籤，而非檢查其值是否被設為零。因此，最終的固件可能默默選擇較弱的功能。
由於這兩個函數的格式相同，軟體繼續編譯和運行，並未產生明顯錯誤。該錯誤於 2021 年軟體遷移期間進入代碼，並在公開可用的固件中存在了五年以上。
現在更新裝置並不能強化在有缺陷的軟體下生成的助記詞。受影響的用戶必須使用修正後的固件或另一台安全裝置建立全新的助記詞，然後將資金轉移到由該新助記詞控制的地址。
在建立種子時，至少新增了 50 次獨立骰子擲骰的使用者，可能已提供了足夠的額外隨機性以避免弱點。強大的 BIP-39 密語也可能使重建變得更困難，而要求多個獨立裝置簽名的錢包，則可能防止單一被入侵的種子單獨轉移資金。
Coinkite 指向 AI，但證據仍缺失
Coinkite 行政總裁 Rodolfo Novak 公開致歉，並表示公司對固件故障負全責。他稱團隊正在開發修復軟體、技術報告，並為受影響的用戶提供支援。
Coinkite 和 Novak 也提出了一個引人注目的理論，解釋了這個缺陷是如何被發現的。由於其固件已公開多年，公司表示，他們認為可能有人使用 AI 檢查代碼的舊版本，並找到弱隨機性路徑。
「對其他開發者而言：我們相信這正是新 AI 模式下的清醒現實。AI 協助的程式碼審查現在能夠以超越業界最資深專家的速度發現潛在的錯誤，」諾瓦克在他於 X 發佈的道歉貼文中寫道。「如果你的固件是開源的，或曾經公開過，請假設它已經被攻擊者和防禦者同時閱讀。」
今日的現代 AI 編碼系統 可處理大型軟體儲存庫，並識別設定、功能與安全假設之間的可疑關聯。攻擊者可要求此類系統專門尋找弱隨機數生成器、備用功能或影響加密金鑰的錯誤。
獨立研究人員後來報告在已知底層隨機性問題後，使用 AI 模型來定位或解釋該問題。這顯示了 AI 協助代碼分析的易用性已大幅提升，但並未證明原始攻擊者使用了 AI。
Coinkite 承認，其使用領先的 AI 模型進行的審查 在盜竊發生前未能發現該漏洞。這一結果表明，AI 系統並不會自動發現每一個嚴重缺陷，其表現可能取決於它們收到的指令、提供的程式碼數量，以及人工審查者是否能理解警示訊號。
批評者表示，人類的失敗先於此發生
一些安全專家認為，過度專注於 人工智慧（AI）風險 會分散對基本工程失敗的注意。 許多人認為，這項配置錯誤 是一種已知的軟體錯誤，若當初進行針對種子生成的常規程式碼審查、測試程序或審計，本可早在數年前發現此問題。
相反的觀點未必相互矛盾。人為錯誤造成了漏洞並使其持續存在，而人工智能可能降低了發現、理解或利用該漏洞的成本。防禦者必須識別每一個危險的弱點，而攻擊者只需找到其中一個即可。
此事件也挑戰了關於開源安全的假設。公開代碼允許獨立專家檢視軟體，但僅有可用性並不能保證有人會審查正確的區段、識別出細微的缺陷，並在攻擊者行動前報告它。
對於 Coldcard 用戶，當前的優先事項是確定其助記詞的創建時間和方式。任何使用受影響助記詞的用戶必須通過官方 Coinkite 渠道核實指示，安裝修正後的固件，創建新的助記詞，並在轉移資金時謹慎留意釣魚攻擊和假冒支援訊息。
較長期的問題將集中在被取走的比特幣數量、調查人員能否識別攻擊者，以及人工智慧是否在發現漏洞中發揮了決定性作用。硬體錢包公司也將面臨壓力，需加強熵值測試、審計建置配置，並持續以人工專家和對抗性人工智慧工具檢視舊代碼。