Galaxy Digital 的研究團隊表示，根據事件發生後提交的新受害者報告，Coldcard 錢包漏洞已被至少 15 名不同攻擊者利用。本周分享的評論中，Galaxy Digital 研究主管 Alex Thorn 表示，這些額外的報告有助於識別原本可能隱藏的變種。
Thorn 也指出，隨著調查人員繪製出多波活動，與此次攻擊相關的損失已上升。Galaxy Research 評估，經確認的盜竊總額約為 1 億美元，分屬三波攻擊，另有一波疑似第四波攻擊，可能使總金額上升至約 1.3 億美元的 Bitcoin。
重點摘要
- Galaxy Digital 表示，根據新收到的受損帳戶，至少有 15 名不同的攻擊者參與了 Coldcard 的攻擊。
- Galaxy Research 評估，三波攻擊造成的確認損失約為 1 億美元，若加上可能的第四波攻擊，損失估計將升至約 1.3 億美元。
- 安全辯論正回歸至冷儲存實踐，特別是自持保管與錢包設計所帶來的安全性差異。
- 行業討論指出，新興的人工智慧能力可能降低漏洞發現的時間與成本——但獨立驗證仍十分有限。
- 研究人員指出，錢包熵和固件行為可能是某些情況下使利用更容易的潛在因素。
隨著調查人員比對受災者報告，Coldcard 盜竊案件範圍擴大
在 X 上週二的貼文中，Thorn 表示，新的受害者報告使 Galaxy 能夠識別出更多攻擊者活動。他將新報告的重要性從定量和技術兩個層面進行闡述：此攻擊行為與針對中心化交易所的常見盜竊模式不同，因此精確歸因和調查更依賴於詳細的受害者資訊。
Thorn 指出，即使是一份相對較小的報告——從受害者那裡盜取的少於 1 BTC——也足以檢測到新的攻擊模式。他指出，這種新的攻擊涉及從 126 個地址竊取約 12 BTC，突顯了同一個底層漏洞如何以不同的運作方式被利用。
先前對 Coldcard 漏洞利用的報導描述了多個「波次」的活動。Galaxy Research 的最新數據在此基礎上，透過追蹤已確認的事件，並評估活動模式是否類似於進一步的漏洞利用波次。
損失估計：三波已確認，另有一波疑似第四波
根據 Galaxy Research 的數據，Coldcard 攻擊的總損失已因三波確認攻擊增至約 $100 百萬。Thorn 的研究亦指出可能存在第四波攻擊，若得到證實，則總損失可能達約 $130 百萬的 Bitcoin。
對於用戶和投資者而言，這種分析的實際價值在於，它將一開始看似偶然的事件轉變為更接近一場持續演進的行動。多次竊取行為暗示了重複的運營訪問——無論是透過不同的攻擊者基礎設施、不同的時間點，還是不同的利用路徑，最終都指向相同的脆弱行為。
關於「AI 強化」以及模型是否能重新發現漏洞的辯論
重新受到關注也重新開啟了一場更廣泛的辯論：AI 工具是否能有意義地縮短披露與利用之間的時間，以及「AI 強化」是否能防止此次攻擊。
Dragonfly 合夥人 Haseeb Qureshi 在 X 上表示，「$2 的 AI 強化」本可阻止 Coldcard 的攻擊，並援引社群媒體的說法，指出某些 AI 模型在不到 20 分鐘內重新發現了底層漏洞。他的評論參考了相關報導，指出名為 Claude 的模型可在八分鐘內再生該漏洞，以及另一項獨立說法，指出即使禁用網路存取，開源模型（GLM 5.2）也能在 20 分鐘內重新發現此攻擊方式。
然而，Tokenomist 的數據顯示，Tatsapat Saerejittima 告訴 Cointelegraph，AI 模型在漏洞公開前獨立發現該漏洞的可能性很低。Saerejittima 認為，最顯著的「快速重新發現」聲稱似乎源自一名化名用戶，該用戶在漏洞已為人所知後才掃描代碼，且未進行盲測、未記錄方法論，也未評估誤報率。
聲稱 AI 在 2 分鐘內發現該漏洞的說法，來自一位化名的 Reddit 用戶，該用戶是在漏洞公開後才掃描代碼的。此過程並無盲測、未記錄方法論，也未評估模型的誤報率。
這種區別至關重要。如果「重新發現」是基於披露後的輸入，則時間範圍反映的是對已知資訊的重複使用，而非模型在實際環境中自主發現未知漏洞的能力。對於錢包用戶、開發者和審計人員而言，這種差異影響了安全團隊對 AI 輔助測試能否作為正式審查和威脅建模替代方案的信心程度。
私鑰設定和熵值可能使攻擊更容易進行
另一條分析線路較少關注人工智慧能力，而更著重於該裝置密鑰生成過程的加密設計與實現細節。
加密貨幣研究公司 Castle Labs 的共同創辦人 Francesco 表示，提升人工智慧能力可降低發現加密貨幣漏洞所需的成本和時間。他還建議，Coldcard 的私鑰可能在此次攻擊成功中發揮了作用。
Francesco 指出，「私鑰熵的等級（40 位）遠低於其他錢包採用的標準（12 個詞的助記詞為 128 位）」。他將這一差異歸因於固件漏洞，並表示由於搜索空間小於典型助記詞熵假設下的情況，這將使攻擊更容易進行。
他進一步表示，隨著人工智慧模型的改進並更深入地融入網絡安全工作流程和攻擊嘗試中，發現漏洞的成本預計會繼續下降。即使不依賴任何單一的「人工智慧重新發現」主張，其核心理念——自動化能加速漏洞的識別與利用——與安全領域趨向更快發現和武器化漏洞的整體趨勢一致。
在實際應用中，這些發現將關注點轉向了硬體錢包安全接下來應改進的方面：不僅是漏洞是否能被快速發現，還有錢包固件如何處理熵、密鑰生成以及可能改變有效安全假設的邊界情況。
隨著業界消化 Galaxy 不斷擴展的歸因數據以及對漏洞機制的持續討論，讀者應關注是否會有額外的竊取活動被歸類為更多波次——同樣重要的是，研究人員所指出的熵或固件狀況建議或採用了哪些技術緩解措施。
本文原載於 Crypto Breaking News：至少 15 名攻擊者利用 Coldcard 漏洞：報告 —— 您值得信賴的加密貨幣新聞、比特幣新聞和區塊鏈更新來源。