Coldcard 外洩事件最新：至少 15 個攻擊者利用硬件錢包漏洞盜幣

Galaxy Digital 研究主管 Alex Thorn 表示，隨着更多受害者提交新個案、揭露先前未被識別的失竊，確認至少有 15 個不同的攻擊者利用 Coldcard 硬件錢包漏洞進行盜竊。Thorn 指，相關通報讓 Galaxy 研究團隊得以把更多比特幣地址與事件串連起來。 其中一宗個案中，一名損失少於 1 BTC 的受害者提供線索，協助研究人員鎖定一個攻擊者集群：該集群據稱從 126 個地址合共抽走 12 BTC。與中心化交易所被入侵不同，今次資金是由大量各自獨立控制的錢包，分散轉往多個攻擊者地址。研究人員因此可能無法單靠鏈上數據找出所有失竊，除非受害者主動披露其錢包地址及交易紀錄。 Galaxy Research 估算，三波已確認的攻擊合共盜走約 1 億美元的比特幣；研究人員亦發現疑似第四波攻擊，或令總損失上升至約 1.3 億美元。需要留意的是，15 個攻擊者集群不等同於 15 名已知個人，部分地址可能由同一人或同一團隊操控，亦不排除仍有未被發現的攻擊者。 漏洞削弱助記詞（種子）生成機制 是次漏洞影響部分 Coldcard 裝置生成復原助記詞的流程。據報韌體整合出錯，令受影響錢包改用可預測的「確定性偽隨機數生成器」，而非原本設計的硬件隨機數生成器，導致部分私鑰所依賴的隨機性下降，增加攻擊者以搜尋方式找出有效種子短語的可行性。 Castle Labs 共同創辦人 Francesco 指，受影響的 Coldcard 錢包生成的私鑰熵值可能只有約 40 bits；一般 12 字復原助記詞理應提供 128 bits。 這並不代表攻擊者可直接從離線（air-gapped）裝置抽取私鑰。實際做法是重建可能的復原助記詞組合，並監察對應的比特幣地址，一旦有資金流入便伺機轉走。針對可能受影響的用戶，建議更新韌體、重新生成全新助記詞，並把比特幣轉移至由新錢包控制的地址。單純把受影響的助記詞匯入另一部裝置，無法消除根本風險。 AI 能否更早發現漏洞？ 事件亦引發討論：AI 輔助的安全測試是否可更早找出缺陷。Dragonfly 管理合夥人 Haseeb Qureshi 認為，約「2 美元的 AI 加固」或可避免今次損失。他引用一些實驗結果，聲稱 AI 模型可在數分鐘內重新發現該漏洞；其中一次測試指，開源 GLM 5.2 模型在無網絡存取下約 20 分鐘便找出問題。 不過，亦有評論質疑上述實驗能否證明 AI 能在漏洞公開前就發現它。Tokenomist 數據主管 Tatsapat Saerejittima 指，部分測試是在披露後才進行，且欠缺盲測、完整方法論文件，以及對誤報（false positives）的評估。市場普遍認為，AI 或可降低尋找漏洞的成本，但不足以取代獨立審計，以及對硬件錢包如何生成與保護私鑰進行端到端測試。