作者：Nancy，PANews
当你把加密代币存在原以为固若金汤的硬件钱包中，结果有一天，黑客只用几分钟就找到了“撬锁钥匙”，帮忙翻出“钥匙”的，是一台不知疲倦的AI。
没错，AI大模型正在进入加密安全的攻防腹地。
随着AI大模型持续迭代，一方面，它正在降低复杂加密攻击的技术门槛，大幅提升漏洞利用和攻击的速度；另一方面，也正反向成为加密行业发现漏洞、定位风险和加速修复的重要武器。这一趋势在市值已逾万亿美元规模的比特币生态中尤为明显。
而在中美AI大模型比拼中，凭借模型能力与开源生态优势，国产大模型正逐渐成为加密社区开展安全审计的“救火队员”。
黑客靠AI提速
就在不久前，硬件钱包Coldcard遭遇大规模黑客攻击，震惊海内外加密社区。据披露，此次攻击造成超过1亿美元的比特币资产被盗。除了巨额资金损失，这起事件更动摇了市场长期以来对比特币自托管安全的信心。
Coldcard长期被加密市场视为高安全等级的“保险箱”。由于其代码开源，社区怀疑，攻击者可能借助AI对旧版固件进行代码审查，从海量历史代码中发现这一潜伏长达五年的漏洞。更值得注意的是，事后社区使用AI模型Claude Code，仅用了约8分钟便精准定位到该漏洞。
而在本月，非托管比特币交换服务商Boltz宣布无限期暂停比特币交换服务。其披露的原因之一， 是AI辅助攻击的迭代速度已经超过团队修复漏洞的能力 。过去数月，Boltz持续遭遇自动化AI探测攻击，并处置了多起漏洞利用事件。但近期攻击节奏明显加快，疑似还有多个资源充足的攻击组织同时针对其平台发动攻击。在无法确保修复期间安全运营的情况下，Boltz最终暂停Swap服务，随后由匿名比特币团队接手。
随着大模型持续迭代， 黑客正将AI武器化，加密攻击的成本和速度正在被大幅压缩 。过去，黑客发现复杂漏洞需要投入大量时间进行代码审查和攻击路径设计。如今，AI正在将其中越来越多的环节自动化。攻击者可以用更低的成本、更快的速度分析代码、定位漏洞，甚至进一步完成更隐蔽的漏洞利用和攻击流程。
比如，朝鲜黑客组织Kimsuky近期已进一步扩大生成式AI的使用范围。除了利用AI制作钓鱼诱饵，该组织还构建了独立运行的本地大型语言模型（LLM）环境及检索增强生成（RAG）体系，试图将情报提取与攻击流程进一步自动化。在具体攻击手法上，Kimsuky开始利用生成式AI生成高度仿真的虚拟资产和金融领域文档，用于实施更具针对性的鱼叉式钓鱼攻击，目标包括加密钱包信息、Gmail账户以及网站注册记录等敏感数据。
30小时扫描出85项严重漏洞，项目“自建防火墙”成必选题
攻击端在升级，防御端更要加快跟上。
本月，由Cashu创始人、比特币开源开发者Calle与AnchorWatch CEO Rob Hamilton领导的志愿安全组织Bitcoin Red Team，针对比特币开源生态开展了一次大规模AI辅助安全审计，覆盖钱包、密码学库和基础设施等项目。
不到30小时内，该团队扫描了390个比特币相关开源项目，共提交4962项安全发现，其中包括85项严重漏洞和635项高危漏洞，平均每人每小时发现约2.31个严重或高危问题，每日扫描成本约1万美元。
Calle指出，开源代码中长期积累的大量历史技术债，正与高效AI代码分析工具发生激烈碰撞。 绝大多数未维护的项目大概率存在漏洞，应默认视为不安全，直到被证明安全。 特别是负责实现更快、更低成本比特币支付的闪电网络软件，因其技术复杂度高，代码状况“比平均水平更加糟糕”，审计难度显著高于其他类别。
他强调，AI时代下，过去抱怨“低质量PR”或“低质量审计”的时代已过。
项目方必须自行建立AI审计流水线，用AI快速筛选与复现报告。 未来外部红队测试（一种模拟真实攻击者的安全评估方法）可能需要长期持续。 提前数月开始构建自身AI安全与审计流程的项目，目前已处于明显优势地位。
中国开源模型“补位”，行业联名呼吁AI实验室开放访问
在全球大模型竞赛中，中国与海外厂商除了围绕性能与成本展开竞争，也正在走向两条不同的发展路径，中国领先模型普遍选择开源路线，而海外头部厂商则大多坚持闭源策略。
这种路线差异，也正成为影响加密生态安全能力的重要资源。眼下， 相比海外闭源模型，中国开源模型正意外成为比特币社区进行代码审查、漏洞挖掘和安全研究的重要武器 。
在Coldcard攻击调查中，Galaxy研究主管Alex Thorn就曾披露，部分美国大语言模型对安全研究设置的限制，影响了研究人员追踪被盗资金的能力。由于无法顺利使用相关模型， 团队甚至不得不转向中国开源AI模型，以协助保护用户资产和开展链上追踪。
类似的情况也出现在Bitcoin Red Team（比特币红队）的安全审计中。该团队披露，目前正使用中国AI模型月之暗面的Kimi K3和智谱AI的GLM 5.2进行比特币开源项目的漏洞扫描。Calle指出，在安全研究过程中，开发者经常会受到OpenAI、Anthropic等模型厂商安全策略的限制。即使研究人员已经完成KYC并申请Trusted Access，仍可能频繁遭遇拒绝或使用限制。相比之下，中国开源模型受到的限制相对较少，因此更适合进行大规模代码分析和安全审计。这也让Calle质疑，当前政策限制白帽研究者，却未能有效约束黑帽行为。
就在前几日，比特币政策研究所（BPI）联合Anchorage Digital、BitGo、Bitwise、Blockstream、Kraken、Ledger、MARA、Trezor等数十家加密机构发布公开信， 敦促前沿AI实验室为比特币及其他开源软件开发者建立或扩大长期可信访问计划，让安全团队能够提前使用先进AI能力发现和修复漏洞。
公开信认为，前沿AI正在快速改变网络安全攻防格局。先进模型已经能够分析大型代码库、识别潜在漏洞并加速复杂技术任务，但这些能力同样正在被攻击者利用。与此同时，许多开源安全团队目前缺乏访问前沿模型的渠道，公开AI模型的安全限制也可能阻碍合法的安全研究，迫使部分开发者依赖能力较弱的开放权重模型进行关键代码审查。
信中特别指出，包括Bitcoin Core等加密开源维护者，目前无法获得部分AI实验室的网络安全访问计划。 而比特币网络当前保护着逾1万亿美元资产，任何开源基础设施漏洞均可能危及用户毕生积蓄 。BPI同时披露，已收到多份开源维护者报告，称包括潜在外国对手在内的复杂攻击者正在利用先进AI能力，以小型维护团队难以承受的速度持续发动攻击。
BPI强调，前沿AI有望成为最强大的防御技术之一，但前提是保护关键基础设施的防御者能够在攻击者利用这些能力之前获得它们。为缩小攻防能力差距， BPI呼吁AI实验室向经过认证的开源防御者提供前沿网络安全模型的提前及受控访问，包括适当情况下的预发布版本 ；提供足够的算力和长期Agent使用额度；建立用于分析私有或尚未公开代码的安全环境；将访问范围覆盖小型组织、非营利机构和独立维护者；以及建立与AI实验室安全团队直接协调漏洞披露和修复的渠道。
整体来看，AI正在把加密安全带入一场新的速度与能力竞赛。未来，谁能更早获得并有效运用前沿AI，谁就更有可能在这场攻防博弈中占据优势。
