此事件在大约594 BTC（当时价值约3800万美元）从大约500个单签名比特币地址转移后公开。新闻首次披露时，Bitcoin.com新闻注意到，这些转移发生在大约25分钟内，似乎针对具有共同技术弱点的钱包。

之后的区块链审查扩大了盗窃的可能规模。研究人员估计，在大约41分钟的时间内，可能有1082个至1196个地址受到影响。一款名为冷卡扫荡观察的自定义仪表盘随后将总数定在1128.4717 BTC，当时比特币的交易价格接近63044美元。

图像来源：冷卡扫荡观察仪表盘。该截图于2026年8月1日上午8:30（东部时间）拍摄。自此截图拍摄后一个小时后，9:30，估计增加至1128.6633 BTC。

大部分资金被整合到一个持有数百个比特币的地址中，其中很大一部分基本处于静止状态。受影响的地址通过一个重要细节相连：它们的恢复种子是在加拿大公司Coinkite制造的冷卡硬件钱包上创建的。

恢复种子是一组控制访问加密货币钱包的单词。任何可以重建或获取该种子的人通常可以在不拥有实际设备的情况下移动钱包的资金。

Coinkite发布了紧急提醒，警告某些在冷卡设备上生成的种子可能存在弱点。运行固件版本4.0.1的Mk3设备（大约在2021年3月发布）及其后版本是面临最大风险的设备之一。

进一步分析将担忧扩大到在Coinkite发布紧急固件修复之前创建的一些Mk4、Mk5和Q设备上的种子。据报道，Tapsigner、Opendime和Satscard产品并未受到影响，因为它们使用不同的软件。

该漏洞涉及生成随机数据的过程。安全钱包依赖高质量的随机性，以确保其恢复种子无法被猜测。在受影响最严重的Mk3设备上，研究人员估计，种子可能仅包含约40位有效随机性，而不是预期的128位。

这种差异至关重要。正确生成的128位种子被认为几乎不可能通过暴力破解来猜测。40位种子提供的可能性大大减少，允许攻击者使用足够的计算能力离线测试潜在种子，并将结果地址与公共比特币区块链进行比较。

一些较新的设备可能提供了约72位有效随机性，因为安全硬件增加了另一层不可预测的数据。这样会使得种子更难以重建，尽管仍然远不如预期的强。

问题始于一个构建时的配置错误，涉及两个执行相似任务的软件功能。一个功能使用设备的硬件基础真实随机数生成器，而另一个功能依赖从MicroPython继承的较弱软件过程。

Coinkite本打算禁用MicroPython选项。然而，软件检查只查看配置标签是否已经定义，而不是其值是否被设置为零。因此，最终的固件可能会无声地选择较弱的功能。

由于这两个功能具有相同的格式，软件继续编译和运行而未产生明显错误。这个错误在2021年的一次软件迁移过程中进入了代码，并在公开可用的固件中持续了超过五年。

现在更新设备并不能增强在故障软件下生成的种子。受影响的用户必须使用修复的固件或另一种安全设备创建一个全新的种子，然后将资金转移到由该新种子控制的地址。

图像来源：X

在创建种子时添加至少50个独立掷骰子的用户可能提供了足够的额外随机性以避免弱点。强大的BIP-39密码短语也可能使重建变得更加困难，而需要多个独立设备签名的钱包可能防止了一个被攻破的种子单独移动资金。

Coinkite首席执行官罗道夫·诺瓦克公开致歉，并表示公司对固件故障负全部责任。他说，团队正在努力修复软件、技术报告和支持受影响用户。

Coinkite和诺瓦克还提出了一个引人注目的理论，关于漏洞是如何被发现的。由于其固件已公开多年，该公司表示相信有人可能使用人工智能检查旧版本的代码，并找到弱随机路径。

“对其他开发者而言：我们相信这是新人工智能范式的严肃现实。人工智能辅助的代码审查现在可以以超越行业最资深专家的速度发现潜在错误，”诺瓦克在其发布于X的道歉帖子中写道。“如果您的固件是开源的或曾经公开过，请假设它已被攻击者和防御者同时阅读。”

当今现代人工智能编码系统可以处理大型软件库，并识别配置设置、功能及安全假设之间可疑的关系。攻击者可以要求这样的系统专门寻找弱随机数生成器、后备功能或影响加密密钥的错误。

一些观察者利用顶级人工智能模型独自发现冷卡漏洞。图像来源：X

独立研究人员后来报告在底层随机性问题被知晓后使用人工智能模型定位或解释该问题。这展示了人工智能辅助代码分析变得多么容易获取，但并未证明原始攻击者使用了人工智能。

图像来源：冷卡钱包博客文章讨论人工智能。

Coinkite承认，其使用领先人工智能模型的审查未能在盗窃发生前发现漏洞。该结果显示人工智能系统并不自动发现每一个严重缺陷。它们的表现可能取决于它们所接收的指令、提供的代码量以及人类审查员是否理解警告信号。

一些安全专家认为，过于关注人工智能（AI）有可能分散对基本工程失败的注意。许多人认为配置错误是一种已知类型的软件错误，而传统的代码审查、测试程序或集中在种子生成上的审计可以在几年之前就检测到这一点。

一些观察者不认为人工智能应为此负责，认为工程团队应该自己发现这个漏洞。图像来源：X。

对立的观点并不一定不相容。人类错误造成了这一漏洞并允许其持续存在，而人工智能可能降低了发现、理解或利用该漏洞的成本。防御者必须识别每一个危险的弱点，而攻击者只需要定位一个。

此事件还挑战了对开源安全的假设。公共代码允许独立专家检查软件，但仅靠可用性并不保证有人会检查正确的部分，识别微妙的缺陷，并在攻击者采取行动之前报告。

对于冷卡用户来说，立即优先事项是确定他们的种子何时以及如何创建。任何拥有受影响种子的人必须通过官方Coinkite渠道验证指令，安装修正固件，创建新种子，并在小心移动资金时观察网络钓鱼尝试和虚假支持消息。

较长期的问题将集中在被盗的比特币数量上，调查人员是否能识别攻击者，以及人工智能在发现该漏洞方面是否发挥了决定性作用。硬件钱包公司还将面临压力，以加强熵测试、审计构建配置，并不断使用人类专家和对抗性人工智能工具检查旧代码。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。