作者：Nancy，PANews
當你把加密代幣存在原以為固若金湯的硬體錢包中，結果有一天，駭客只用幾分鐘就找到了「撬鎖鑰匙」，幫忙翻出「鑰匙」的，是一台不知疲倦的 AI。
沒錯，AI 大模型正在進入加密安全的攻防腹地。
隨著 AI 大模型持續迭代，一方面，它正在降低複雜加密攻擊的技術門檻，大幅提升漏洞利用和攻擊的速度；另一方面，也正反向成為加密產業發現漏洞、定位風險和加速修復的重要武器。這一趨勢在市值已逾萬億美元規模的比特幣生態中尤為明顯。
而在中美 AI 大模型比拼中，憑藉模型能力與開源生態優勢，國產大模型正逐漸成為加密社群進行安全審計的「救火隊員」。
駭客靠 AI 提速
就在不久前，硬體錢包 Coldcard 遭遇大規模駭客攻擊，震驚海內外加密社群。據披露，此次攻擊造成超過 1 億美元的比特幣資產被盜。除了鉅額資金損失，這起事件更動搖了市場長期以來對比特幣自託管安全的信心。
Coldcard 長期被加密市場視為高安全等級的「保險箱」。由於其程式碼開源，社群懷疑，攻擊者可能藉助 AI 對舊版韌體進行程式碼審查，從海量歷史程式碼中發現這個潛伏長達五年的漏洞。更值得注意的是，事後社群使用 AI 模型 Claude Code，僅用了約 8 分鐘便精準定位到該漏洞。
而在本月，非託管比特幣交換服務商 Boltz 宣布無限期暫停比特幣交換服務。其披露的原因之一，是 AI 輔助攻擊的迭代速度已經超過團隊修復漏洞的能力。過去數月，Boltz 持續遭遇自動化 AI 探測攻擊，並處置了多起漏洞利用事件。但近期攻擊節奏明顯加快，疑似還有多個資源充足的攻擊組織同時針對其平台發動攻擊。在無法確保修復期間安全營運的情況下，Boltz 最終暫停 Swap 服務，隨後由匿名比特幣團隊接手。
隨著大模型持續迭代，駭客正將 AI 武器化，加密攻擊的成本和速度正被大幅壓縮。過去，駭客發現複雜漏洞需要投入大量時間進行程式碼審查和攻擊路徑設計。如今，AI 正將其中越來越多的環節自動化。攻擊者可以用更低的成本、更快的速度分析程式碼、定位漏洞，甚至進一步完成更隱蔽的漏洞利用和攻擊流程。
比如，北韓駭客組織 Kimsuky 近期已進一步擴大生成式 AI 的使用範圍。除了利用 AI 製作釣魚誘餌，該組織還建構了獨立運作的本地大型語言模型（LLM）環境及檢索增強生成（RAG）體系，試圖將情報擷取與攻擊流程進一步自動化。在具體攻擊手法上，Kimsuky 開始利用生成式 AI 生成高度仿真的虛擬資產和金融領域文件，用於實施更具針對性的魚叉式釣魚攻擊，目標包括加密錢包資訊、Gmail 帳戶以及網站註冊紀錄等敏感資料。
30 小時掃描出 85 項嚴重漏洞，專案「自建防火牆」成必選題
攻擊端在升級，防禦端更要加快跟上。
本月，由 Cashu 創辦人、比特幣開源開發者 Calle 與 AnchorWatch 執行長 Rob Hamilton 領導的志願安全組織 Bitcoin Red Team，針對比特幣開源生態展開了一次大規模 AI 輔助安全審計，涵蓋錢包、密碼學程式庫和基礎設施等專案。
不到 30 小時內，該團隊掃描了 390 個比特幣相關開源專案，共提交 4,962 項安全發現，其中包括 85 項嚴重漏洞和 635 項高風險漏洞，平均每人每小時發現約 2.31 個嚴重或高風險問題，每日掃描成本約 1 萬美元。
Calle 指出，開源程式碼中長期累積的大量歷史技術債，正與高效 AI 程式碼分析工具發生激烈碰撞。絕大多數未維護的專案極可能存在漏洞，應預設視為不安全，直到被證明安全。特別是負責實現更快、更低成本比特幣支付的閃電網路軟體，因其技術複雜度高，程式碼狀況「比平均水準更加糟糕」，審計難度顯著高於其他類別。
他強調，AI 時代下，過去抱怨「低品質 PR」或「低品質審計」的時代已過。
專案方必須自行建立 AI 審計流水線，用 AI 快速篩選與重現報告。未來外部紅隊測試（一種模擬真實攻擊者的安全評估方法）可能需要長期持續。提前數月開始建構自身 AI 安全與審計流程的專案，目前已處於明顯優勢地位。
中國開源模型「補位」，業界聯名呼籲 AI 實驗室開放存取
在全球大模型競賽中，中國與海外廠商除了圍繞效能與成本展開競爭，也正走向兩條不同的發展路徑，中國領先模型普遍選擇開源路線，而海外頭部廠商則大多堅持閉源策略。
這種路線差異，也正成為影響加密生態安全能力的重要資源。眼下，相較於海外閉源模型，中國開源模型正意外成為比特幣社群進行程式碼審查、漏洞挖掘和安全研究的重要武器。
在 Coldcard 攻擊調查中，Galaxy 研究主管 Alex Thorn 就曾披露，部分美國大型語言模型對安全研究設置的限制，影響了研究人員追蹤被盜資金的能力。由於無法順利使用相關模型，團隊甚至不得不轉向中國開源 AI 模型，以協助保護用戶資產和進行鏈上追蹤。
類似的情況也出現在 Bitcoin Red Team（比特幣紅隊）的安全審計中。該團隊披露，目前正使用中國 AI 模型月之暗面的 Kimi K3 和智譜 AI 的 GLM 5.2 進行比特幣開源專案的漏洞掃描。Calle 指出，在安全研究過程中，開發者經常會受到 OpenAI、Anthropic 等模型廠商安全策略的限制。即使研究人員已完成 KYC 並申請 Trusted Access，仍可能頻繁遭遇拒絕或使用限制。相比之下，中國開源模型受到的限制相對較少，因此更適合進行大規模程式碼分析和安全審計。這也讓 Calle 質疑，當前政策限制白帽研究者，卻未能有效約束黑帽行為。
就在前幾日，比特幣政策研究所（BPI）聯合 Anchorage Digital、BitGo、Bitwise、Blockstream、Kraken、Ledger、MARA、Trezor 等數十家加密機構發布公開信，敦促前沿 AI 實驗室為比特幣及其他開源軟體開發者建立或擴大長期可信存取計畫，讓安全團隊能夠提前使用先進 AI 能力發現和修復漏洞。
公開信認為，前沿 AI 正在快速改變網路安全攻防格局。先進模型已經能夠分析大型程式碼庫、識別潛在漏洞並加速複雜技術任務，但這些能力同樣正被攻擊者利用。與此同時，許多開源安全團隊目前缺乏存取前沿模型的管道，公開 AI 模型的安全限制也可能阻礙合法的安全研究，迫使部分開發者依賴能力較弱的開放權重模型進行關鍵程式碼審查。
信中特別指出，包括 Bitcoin Core 等加密開源維護者，目前無法獲得部分 AI 實驗室的網路安全存取計畫。而比特幣網路當前保護著逾 1 萬億美元資產，任何開源基礎設施漏洞均可能危及用戶畢生積蓄。BPI 同時披露，已收到多份開源維護者報告，稱包括潛在外國對手在內的複雜攻擊者正在利用先進 AI 能力，以小型維護團隊難以承受的速度持續發動攻擊。
BPI 強調，前沿 AI 有望成為最強大的防禦技術之一，但前提是保護關鍵基礎設施的防禦者能夠在攻擊者利用這些能力之前獲得它們。為縮小攻防能力差距，BPI 呼籲 AI 實驗室向經過認證的開源防禦者提供前沿網路安全模型的提前及受控存取，包括適當情況下的預發布版本；提供足夠的算力和長期 Agent 使用額度；建立用於分析私有或尚未公開程式碼的安全環境；將存取範圍覆蓋小型組織、非營利機構和獨立維護者；以及建立與 AI 實驗室安全團隊直接協調漏洞揭露和修復的管道。
整體來看，AI 正在把加密安全帶入一場新的速度與能力競賽。未來，誰能更早獲得並有效運用前沿 AI，誰就更有可能在這場攻防博弈中佔據優勢。
