AI助力复审揭露旧币弱点，链上“死投”激增440%
修复的Zcash供应完整性漏洞和与超过1亿美元比特币盗窃相关的Coldcard固件缺陷显示了旧债务重新定价的速度有多快。
2026起事件的集群正在缩短漏洞发现与现实世界损失之间的循环，同时人工智能降低了重新审计和逆向工程长期存在的加密代码的成本。Chainalysis的指标显示，链上“死信箱”恶意软件指令增加了440%，这为超越任何单一漏洞的扩展信号提供了支持。
关键要点
- 一个人工智能辅助的审计在2026年5月，发现了一个追溯到2022年的Zcash Orchard电路缺陷，该缺陷在测试中可能铸造无限的伪造ZEC，并在几天内进行了修补，没有确认盗窃事件。
- 一个追溯到2021年的Coldcard固件漏洞比特币自7月30日开始的清扫行动，后来的估计显示大约有1,600到超过1,800个BTC被盗，损失被描述为超过1亿美元，涉及数千个地址。
- 与Chainalysis相关的“恶意链上写入”携带恶意软件指令和指挥控制数据的数量，从2026年第二季度的每日约2.06个上升至每日11.1个，国家关联的行为者与朝鲜和伊朗相关，约占每季度新观察到活动的三分之二。
- 代理介导的损失从理论转向实践，当Grok解码的摩尔斯指令在5月4日被Bankr接受时，触发了大约30亿DRB的转移，约两周后在14个钱包中出现了类似的损失。
人工智能重新审计旧代码——而爆炸半径在2026年看起来更大
机制很简单：公共代码和公共文物现在可以大规模便宜地重新阅读。在2026年，这表现为防御性的胜利和昂贵的失败，底层的“安全债务”在有人最终仔细审视时重新定价。
两个数据点为交易者相关信号提供了支撑。一个是Coldcard事件，该事件中发现的固件漏洞追溯至2021年，随后在7月30日开始出现大规模盗窃活动，估计被盗数量约为1,600到1,800个比特币，损失超过1亿美元，涉及数千个地址。另一个是Chainalysis的“区块链死信箱”指标，其中携带恶意软件指令和指挥控制信息的链上写入数量从每天约2.06次上升至每天11.1次，增长了440%。
问题在于归因。并非每个事件都有经过验证的人工智能。链接报告本身区分了记录在案的人工智能参与、可信的怀疑以及普通的错误和操作失误。对于市场而言，可操作的部分并不是证明哪个模型做了什么。基本假设是，任何公开且有价值的东西都正在被机器审查，而“发现”和“武器化”之间的时间正在缩短。
Zcash的Orchard漏洞：AI辅助发现供应完整性失败
Zcash的案例是AI在不导致损失事件的情况下压缩发现时间的最干净示例。在2026年5月，Shielded Labs的Taylor Hornby使用Claude Opus 4.8在一个定制审计代理中发现了Zcash的Orchard隐私池电路中的一个缺陷，该缺陷追溯到2022年。Orchard是隐私池的零知识电路机制，负责在保持账本一致的同时强制执行私密转账。
在测试中，该漏洞可能会在不被检测的情况下创造无限的伪造ZEC。这是供应完整性失败，而不是隐私泄露。如果在实际环境中被利用，风险将是无声的通货膨胀，即链条接受从未合法创造的价值。
重要的操作细节是结果：“没有发现盗窃行为，开发者在几天内修复了它，但一个潜在的灾难性漏洞在AI辅助审查发现之前大约存活了四年。”修补后，Zcash团队表示他们使用Mythos对代码库进行解析和审计，未发现新漏洞。
对于交易者来说，这是新世界的“好”版本。AI辅助审查在对手之前发现潜在的高影响问题，并且修复措施迅速到位，以至于事件不会成为资产负债表上的事件。
Coldcard的2021年固件漏洞及7月30日后的BTC清扫
Coldcard是一个混乱的版本，在自我保管工具中长期存在的弱点转化为实际损失。报告将问题追溯到2021年的固件漏洞，这使得一些恢复种子远没有预期的随机。随机性降低并不是一个表面上的错误。它可以缩小搜索空间，以至于如果攻击者能够针对受影响的钱包，资金就会变得可盗。
从7月30日开始，攻击者开始从受影响的钱包中清扫比特币。后来的估计显示被盗的比特币数量大约在1,600到超过1,800 BTC之间，损失被描述为超过1亿美元，涉及数千个地址。这个范围很重要，因为它表明会计仍然不完整，并且当盗窃分散在许多受害者之间时，1,600和1,800 BTC之间的差异并不是噪音。
AI的角度显然没有解决。Coldcard的制造商Coinkite表示，他们必须假设有人使用AI检查其公共固件，而许多观察者对不受限制的模型参与表示高度信心。报告本身的框架比社会叙述更为紧凑：“归因尚未确定，但漏洞本身已经存在了五年。”
这个区别是关键。即使AI没有驱动这个特定的利用链，公共固件和长期存在的边缘案例漏洞的存在现在也建立在防御者和攻击者持续机器审查的假设之下。
链上“死信箱”增长440%：Chainalysis指标、国家关联份额和未经验证的合约盗窃集群
Chainalysis的“死信箱”概念是一种分发机制，而不是单一的利用。攻击者直接在链上编写恶意软件指令或指挥控制指针，利用区块链作为一个持久的、抗审查的地方来发布可以稍后获取的数据。与传统基础设施相比，它可能更难被摧毁，并且只要链存在，它就会持续存在。
到2026年第二季度，Chainalysis的数据表明，携带恶意软件指令和指挥控制信息的恶意链上写入数量从每天大约2.06次上升到每天11.1次，增长了440%。同一数据集将每季度约三分之二的新观察活动归因于与朝鲜和伊朗相关的国家关联行为者。
报告还通过逆向工程将AI与盗窃经济联系起来。Chainalysis将大约3670万美元的盗窃与针对未经验证合约的协议的攻击联系在一起，攻击者首先必须将已部署的字节码反编译成更易读的形式，以理解逻辑并找到弱点。在提到的六个月期间，Ekubo和Trusted Volumes占据了该集群中大约700万美元的损失。
这里的警告不是可选的。Chainalysis 的 AI 连接被描述为一种方法声明，而不是证明某个特定模型创建了每个漏洞。这对风险仍然具有意义，因为“更便宜的反编译和分析”改变了谁可以尝试这些攻击以及可以进行多少次尝试。
同样的信任层主题出现在代理中介的损失中。5 月 4 日，一名攻击者发布了摩尔斯电码文本，Grok 将其解码为 Bankr 接受的指令，触发了大约 30 亿 DRB 的转移，价值约 15 万到 20 万美元。大约两周后，类似的问题影响了 14 个用户钱包，报告的损失范围从约 15 万到 44 万美元。报告中提到：“攻击者并没有破解密码学。机器之间过于信任。”
AI 也作为诱饵而非工具出现。TRM 统计了 224 名受害者、234 个合同，以及在涉及九个 YouTube 教程的骗局中大约损失了 517,000 美元，这些教程推销假冒的“Claude 构建”套利机器人。观众被引导粘贴代码到一个虚假的 Remix 风格编译器中，该编译器替换了一个排水器。套利机器人。观众被引导粘贴代码到一个虚假的 Remix 风格编译器中，该编译器替换了一个排水器。
我的阅读：AI 正在将安全债务转变为可交易的风险溢价。
重要的阈值不是是否可以证明特定漏洞使用了特定模型。而是机器规模审查的新基线是否持续将发现到利用的时间窗口压缩到天，而不是月，涵盖代码库和操作“信任层”，如代理和自动化。
如果每天约 11.1 次的恶意链上写入率持续或加速超过 2026 年第二季度的基线，那么这种设置开始看起来是结构性的，而不是叙事驱动的。实际的迹象将是主要代码库是否开始披露持续的 AI 辅助重新审计和后续发现，Coldcard 盗窃估计是否与 AI 参与的更强证据趋同，以及代理项目在 Bankr 风格损失后是否改变指令验证和权限默认值。如果这些控制措施没有加强，“旧漏洞”将不再是历史，而是成为一个反复出现的波动性输入。
