Web3 錢包「多事之秋」：AI 時代，如何理解 Crypto 安全的「矛與盾」演進？

當攻擊走向自動化、規模化，錢包也需升級為覆蓋整個使用週期的動態防禦體系。

最近一個月，Crypto 圈的安全神經再次被緊繃。

先是 Coldcard 被曝出嚴重的隨機數生成漏洞，緊接著 Trezor、SafePal 又相繼披露了用戶隱私數據洩露的風險事件。

三起事件乍看之下並沒有太多共同點，但如果把時間線稍微拉長一點，會發現它們共同指向了一個越來越重要的問題：

當 AI 開始讓漏洞發現、攻擊開發和社會工程越來越自動化，一款加密錢包，究竟還有多少地方，可能成為攻擊者尋找的下一處薄弱環節？

一、借助 AI，黑客攻擊從「手藝活」變成「工業化」

客觀地講，這三起事件暴露了完全不同的攻擊面。

Coldcard 的問題在於私鑰生成，是嚴重的安全問題；Trezor 出在第三方物流服務，SafePal 出在訂單系統與插件權限，屬於隱私洩露連帶的風險暴露。

雖然目前沒有證據證明三起事件均與 AI 直接相關，但不得不承認的是，身處 AI 時代，黑客的「工具箱」，正在發生巨變。

因為過去很多高級網絡攻擊，本質上受到一種非常現實的限制------人的時間。

研究一個大型代碼庫、理解調用關係、尋找隱藏多年的邏輯漏洞，需要經驗豐富的安全研究員投入大量時間；針對一個特定用戶搜集身份信息、研究他的習慣、設計一封足夠可信的釣魚郵件，甚至需要投入數月時間去構造複雜的社會工程學劇本。

這就導致過去的攻擊，往往存在一種取捨：要麼高度自動化，但攻擊方式比較粗糙，廣撒網等少數用戶上鉤；要麼針對特定高價值目標精心設計，但很難規模化複製。

但在 AI 能力飛速演進的今天，黑客的工具箱被徹底升級了：

• 漏洞挖掘自動化：AI 可以輔助攻擊者快速分析智能合約、客戶端代碼甚至固件，自動尋找零日漏洞和邏輯瑕疵。
• 社會工程學規模化：過去需要精心撰寫的釣魚郵件，現在 AI 可以基於洩漏的用戶身份數據，自動生成高度定制化、極具說服力的釣魚內容、短信甚至語音 / 視頻；
• 攻擊實施智能化：從尋找目標到多通道並發投放，整個攻擊鏈路的成本降到了歷史最低點；

可以說，從目標篩選、漏洞研究，到惡意代碼生成、社會工程和攻擊內容投放，過去分散在不同攻擊者手中的能力，正在逐漸被壓縮進一套更加自動化的工作流。

這也是 AI 對網絡安全真正深遠的影響。

它未必突然創造出一種前所未見的攻擊方式，而是在迅速降低既有攻擊方式的成本------尋找一個漏洞更便宜了，分析一個目標更快了，生成一千封不同版本的釣魚郵件，也比過去容易得多。

換句話說，**過去很多系統之所以沒有被攻擊，並不一定意味著不存在漏洞，有時只是因為漏洞太難找、攻擊成本太高、被攻擊者性價比太低，**而現在，過去依賴「攻擊者沒有這麼多時間」形成的那道隱形安全邊界，正在逐漸變薄。

從這個角度看，加密資產的安全攻防，也正在從過去相對集中的「私鑰爭奪戰」，擴展為一場覆蓋代碼、設備、供應鏈、用戶身份和日常互動的全鏈路拉鋸戰。

AI 所做的，只是進一步按下了加速鍵。

二、錢包真正的攻擊面，不止一串助記詞

這也是為什麼最近幾起事件放在一起看，會顯得格外有代表性。

它們依次擊中了錢包生命周期裡的不同位置，提醒我們**錢包所面臨的風險早已超越了「私鑰有沒有被盜」這一單一維度，**更嵌入在私鑰生成、硬件設備、物流供應鏈甚至用戶隱私信息的每一個環節中。

我們可以簡單拆解一下。

Coldcard 就是最典型的例子，它的問題發生在用戶甚至還沒有真正開始使用錢包的時候。

助記詞看起來仍然是 12 個或者 24 個正常的單詞，設備也可以正常簽名、轉帳，用戶甚至很難察覺任何異常，但生成這串助記詞的隨機數並不隨機，那即便你的助記詞沒有告訴任何人，也依然可能面臨風險。

因為「保管好助記詞」的前提，本就是這串助記詞首先經過了足夠安全、不可預測的方式生成。

然後是 Trezor 和 SafePal。

與 Coldcard 不同，它們的硬件本身並沒有被攻破，助記詞也完好無損，然而卻洩露了用戶的購買記錄------包括姓名、電話、郵箱乃至收貨地址。

這就好比你買了一個頂級防爆保險櫃，保險櫃沒被撬開，但物流公司的發貨單丟了，上面清楚地寫著你叫什麼、郵箱是什麼、電話號碼是什麼、住在哪裡，以及他購買過一台專門用來保存加密資產的硬件錢包。

那攻擊者獲得的就是一份潛在的 Crypto 高價值用戶線索，可以冒充錢包客服發送「緊急固件升級」通知，可以根據購買型號定制釣魚頁面，可以打電話聲稱訂單存在異常，甚至進一步把用戶的社交媒體、公開身份和鏈上地址進行關聯。

也就是說，破解不了密碼學，不代表攻擊就無路可走。

現實世界甚至存在一個 Crypto 社區流傳多年的極端說法------「5 美元扳手攻擊」：再強的加密算法，也無法解決攻擊者直接找到資產持有人的問題。

這並不完全是理論風險。根據 Chainalysis 向《金融時報》提供的數據，截至 2026 年 8 月中旬，今年已經記錄至少 46 起針對 Crypto 持有者的暴力攻擊，其中綁架超過一半，入室攻擊占比超過三分之一。

所以再回過頭看這三件事，就會發現今天所謂的「錢包安全」，實際上已經變成一條很長的鏈：

從錢包代碼、隨機數和密鑰生成，到芯片、固件與設備，再到官網、購買渠道、供應鏈、物流和訂單數據庫；用戶真正開始使用之後，又會連接 RPC、DApp、瀏覽器插件和智能合約，隨後還涉及授權、簽名、客服、社交媒體乃至 AI Agent。

其中任何一環變成最薄弱的位置，都可能繞過其他環節建立起來的安全防線。

三、當攻擊開始自動化，防守必須融入 AI

如果 AI 繼續沿著目前的速度進化，那麼今天暴露出來的這些問題，很可能還只是開始。

因為 AI 最擅長的事情之一，就是面對一個龐大的系統，持續尋找異常、重複模式和薄弱環節。

攻擊者可以讓 Agent 持續掃描開源代碼，可以批量測試網頁、API 與插件權限，可以自動搜集社交媒體與公開數據庫中的信息，再篩選潛在的高價值目標。

甚至釣魚本身，也可能從過去千篇一律的「錢包即將過期，請輸入助記詞」，進化成真正了解你是誰的實時對話：

• 如果攻擊者知道你剛購買了一台某型號硬件錢包，它完全可以給你生成一封對應型號的「固件安全通知」；
• 如果知道你最近參與過某個 DeFi 協議，它可以偽裝成該項目方讓你遷移到新協議金庫；
• 如果進一步獲取了你的社交賬號和公開發言，甚至可以模仿你熟悉的團隊成員、KOL 或客服人員與你交流；

從這個這個角度看，未來錢包面臨的一個重要挑戰，就是當攻擊已經從「固定規則」升級成會分析、會判斷、會變化的系統時，防守還能不能只依賴靜態規則？

畢竟此前的錢包安全機制，仍然比較接近一套「規則庫」：某個地址被標記為釣魚地址，就彈窗提醒；某個域名進入黑名單，就禁止訪問；某種授權模式風險較高，就增加一層提示。

這些機制依然重要，但面對越來越動態的攻擊，僅靠已經發生過的風險去識別下一次風險，顯然還不夠。

AI 恰恰可以成為防守側非常重要的補充，事實上，這並不是一個突然出現的新命題。

此前在圍繞「AI × Web3 安全」的討論中，就曾提出過類似的方向：未來錢包的安全能力，不應該只停留在地址黑名單、風險標籤和固定彈窗，而是可以借助 AI，把安全判斷進一步前移到用戶整個交易過程中。

例如，在代碼進入生產環境之前，AI 可以持續審查代碼依賴、調用路徑和異常邏輯；用戶訪問一個 DApp 時，可以結合域名歷史、前端行為、合約地址和鏈上關聯關係判斷它是否異常；在簽名之前，則可以模擬交易真正執行後的結果，而不是僅僅給用戶展示一串難以理解的十六進制數據。

再往前一步，錢包甚至可以逐漸建立針對每個用戶的動態安全模型。

一個長期只進行幾百美元轉帳的賬戶，突然準備將全部資產授權給一個剛剛部署兩小時的陌生合約，本身就是異常信號；一個用戶從未交互過的地址，突然要求無限額度 Approval，也應該獲得更高優先級的風險提醒；而一封聲稱來自錢包官方、要求用戶輸入助記詞的郵件，無論內容寫得多麼逼真，都應該被直接判定為高風險。

於是 AI 帶來的變化，可能不僅僅是「自動幫用戶判斷一個地址安不安全」，它更像是讓錢包從一個相對被動的密鑰保管和簽名工具，逐漸擁有一層主動的風險判斷能力。

這也讓之前討論的另一層安全邊界也變得更加重要，即 AI 可以幫助用戶理解和執行複雜操作，但資產控制權不能因此被無限讓渡，對於大額轉帳、新地址授權、敏感合約交互等關鍵行為，仍然需要通過最小權限、人類確認、執行前預演和清晰的可解釋性，將 AI 的能力限制在明確的授權範圍之內。

尤其是在真正異常的時候，把「為什麼危險」「執行後會發生什麼」「風險到底在哪裡」清楚地告訴用戶。

換句話說，AI 防禦的意義，在於推動錢包從一個被動的簽名工具，逐漸擁有主動理解交易、識別異常和約束執行的能力。

寫在最後

最近一系列錢包安全事件，並不意味著自托管模式失去了價值，更不意味著用戶應該重新把全部資產控制權交還給中心化平台。

它們真正提醒我們的，**恰恰是自托管，從來不等於天然安全，**只是將資產的絕對控制權交還給用戶。

而保護這份控制權，需要一套能夠隨時代演進、不斷升級的安全體系，因為安全不是一次性的產品交付，是一場長期的動態演進，需要用戶、項目方、錢包廠商共同努力。

攻擊者可以用 AI 去理解代碼、用戶和環境，防守者同樣可以。

這將是一場旷日持久的「矛與盾」升級競賽。