由志愿者组织Bitcoin Red Team发起的大规模安全审查,揭示了第一种加密货币生态系统中令人担忧的现状。在最初的29.8小时内,审计人员在与比特币相关的390个项目中记录了4962个潜在问题。其中85个被归类为严重问题,另有635个被归类为高风险问题。
目前,团队仅成功复现并确认了21.4%的发现。这意味着其余结果需要进一步验证,目前尚不能被视为已确认的漏洞。引发如此大规模审计的导火索是最近对Coldcard硬件钱包的攻击,攻击者从中盗取了超过1亿美元。
聚焦开源代码与人工智能
Bitcoin Red Team由16名专家组成,包括Cashu协议开发者Calle和AnchorWatch首席执行官罗伯·汉密尔顿,专注于分析加密库、钱包、基础设施软件及其他开源项目。该方法基于人工智能模型与人工审查的结合。专家们开发了工具,用于自动加载代码、识别潜在危险区域并在本地环境中模拟攻击。
这种被称为“红队测试”的方法不仅能够发现错误,还能评估其在实际中用于破坏产品的可能性。据Calle称,研究人员平均每人每小时发现约一个严重漏洞,但具体的计算方法并未公开。
背景:Coldcard的教训
引发此次活动的Coldcard攻击暴露了固件中一个自2021年以来就存在的严重缺陷。在某些情况下,设备没有使用硬件随机数生成器,而是依赖MicroPython中可预测的软件生成器。这导致Mk2和Mk3型号的助记词有效熵从128位降至约40位,而Mk4、Mk5和Q型号则降至72位。制造商Coinkite已发布修复程序,但这些修复无法保护已生成的助记词,因此强烈建议用户在更新后的设备上生成新密钥。
问题不在于发现,而在于协调
正如罗伯·汉密尔顿所指出的,该活动的主要瓶颈并非技术层面,而是协调以及向开发者传递报告的过程。目前,团队已在各种服务上花费约2万美元,进行了十多次披露,并扫描了150个代码仓库。受影响的项目列表未公开,严重报告首先通过可运行的攻击示例进行复现,然后才私下传递给开发者。
这一事件凸显了人工智能在网络安全中日益增长的作用,同时也暴露了其局限性。自动化加速了搜索过程,但并未解决验证和沟通的问题。漏洞赏金市场以及整个开发领域正面临新的挑战:如何有效处理人工智能生成的发现流,而不造成混乱或使开发团队不堪重负。在我看来,未来属于混合系统,人工智能不仅能够发现漏洞,还能帮助确定优先级并自动化与开发者互动的初始阶段。