序言

背景：Ledger，領先的硬體比特幣錢包製造商表示，近期的 Coldcard 漏洞應促使業界重新思考錢包如何產生密碼學隨機性以及安全團隊如何回應由人工智慧加速的威脅。本文總結了 Ledger 技術長 Charles Guillemet 對該事件的回應，說明為何基於硬體的隨機性與獨立認證很重要，並概述 AI 如何改變加密貨幣領域的攻防。目的是釐清從 Coldcard 事件中浮現的技術與操作教訓，並建議使用者在選擇硬體錢包時應注意的要點。

懶惰的備援

Coldcard 事件揭露了在種子產生方面的弱點，使得某些私鑰變得可預測。 Ledger 表示其裝置未受影響，因為它們在安全元件內使用經認證的硬體隨機數產生器，且沒有軟體後備路徑。 AI 正在加速漏洞發現，因此安全團隊必須採用自動化審查與以硬體為基礎的安全設計。

主文

Coldcard 的漏洞已成為硬體加密貨幣錢包業界的一個警示案例。Coldcard 製造商 Coinkite 公布，一個源自 2021 年 3 月韌體版本的缺陷導致錢包在產生恢復種子時使用軟體備援而非其硬體隨機數產生器。該備援降低了某些錢包的真實熵，讓特定私鑰可被猜測，使得盜竊事件迄今造成約 1.3 億美元的損失。Coinkite 已發布修補韌體並建議受影響使用者將資金轉移至新生成的錢包。

Ledger 的技術長 Charles Guillemet 將此事件描述為提醒：硬體錢包的安全模型根本上取決於用來產生恢復短語的隨機性品質。密碼系統依賴於不可預測的種子；若熵薄弱或被妥協，整個安全承諾便會瓦解。Ledger 強調其自家裝置未受影響，因為它們的 24 字秘密恢復短語來源於在經認證的安全元件內實作的真實硬體隨機數產生器。據 Guillemet 所述，該產生器為每個種子提供完整 256 位元的熵，且沒有可能降低隨機性的軟體後備路徑。

除了直接的技術成因外，Ledger 提出第二項教訓：公開並不等於已被審查。據報導，Coldcard 的缺陷在公開可得的程式碼中存在超過五年，直到一名對手──據稱使用 AI 工具──發現並加以利用。開源的可見性並不保證程式碼已被徹底稽核；持續且具專業能力的審查仍然必要。換句話說，公開可得有助於透明度，但不能取代嚴格的安全評估。

AI 正在重塑威脅景觀，使攻擊者能以機器速度掃描倉庫、偵測設定錯誤並識別程式弱點。這種變化壓縮了從漏洞引入到被利用之間的時間。Guillemet 主張，防禦做法必須相應加速：安全團隊應當結合自動化分析與 AI 輔助工具，並配合具經驗的工程師與密碼學家，在攻擊者之前發現並修復漏洞。

Ledger 表示過去兩年一直在將 AI 整合到內部安全工作流程中以增強人類專業知識。公司也透過研究實驗室（例如其 Donjon 實驗室）與第三方審查進行外部驗證，主動嘗試攻破自家產品。這種分層方法──AI 輔助掃描、人為審查、紅隊測試與獨立認證──被呈現為面對 AI 所帶來的新發現速度時最佳的防禦手段。

對於硬體錢包的使用者與評估者，Guillemet 建議詢問有關隨機性如何產生以及該過程是否已獲獨立認證的具體問題。他強調，隨機性必須源自物理過程而非決定性公式，且應由致力於挑戰廠商主張的專家進行驗證。硬體 RNG 與安全元件的獨立認證能降低那些可能造成災難性後果的細微實作錯誤風險。

Coldcard 事件也突顯了更廣泛的系統性議題：供應鏈透明性、韌體更新作法，以及需要快速的事件回應與溝通。當漏洞影響到錢包種子時，建議的修復通常要求使用者將資金移至新生成的錢包──這是一項具破壞性的但必要的行動以恢復安全。裝置製造商必須提供清晰、及時的指引與修補，以將使用者暴露降到最低，同時鼓勵種子生成、備份處理與韌體管理的最佳實踐。

最後，這起事件提醒大家：在實務上正確實作密碼學相當困難。即使是被廣泛審查或為開源的元件也可能隱藏微妙的缺陷。隨著攻擊者採用 AI 來自動化並加速偵察與利用，防禦方必須結合嚴謹的工程實作、獨立驗證與自動化工具來跟上速度。對終端使用者而言，選擇依賴經認證硬體隨機性且經過知名第三方評估的裝置，是降低風險的實際做法。

摘要：Coldcard 的漏洞凸顯了高品質、來自硬體的隨機性與獨立認證在保護錢包種子方面的關鍵角色。隨著 AI 縮短發現與利用漏洞的時間窗，硬體錢包的安全必須透過自動化、以安全為設計原則與外部驗證來演進，以保護使用者資金。

關鍵洞見表