液态漏洞窃取4000 BTC，AI驱动漏洞猎手袭击比特币
Coldcard的1.14亿美元盗窃事件和Core Lightning的紧急情况加剧了由复杂性驱动的比特币风险模式。
白帽黑客利用Blockstream的Liquid网络，提取了大约4,000 BTC（3.17亿美元），并在修补后归还了3,400 BTC。此事件与Coldcard钱包盗窃和Core Lightning紧急事件同时发生，因为AI辅助的安全工作在比特币相关代码中扩大了漏洞发现的规模。
Liquid的4,000 BTC提款将比特币侧链风险重新提上日程
Liquid是一个与比特币相关的侧链，这意味着BTC可以进入一个具有自己规则和操作员的独立链，以获得更快的结算和额外的功能。这种设计将风险集中在比特币的基础层之外，转移到桥接、侧链软件和保持其运行的操作安全模型中。在9月8日，白帽黑客利用Blockstream的Liquid网络提取了大约4,000 BTC，约合3.17亿美元。在漏洞被修补后，归还了3,400 BTC，剩下约600 BTC未被追回，基于目前披露的数字。这并不是一个孤立的“比特币被黑客攻击”的头条新闻。这提醒我们，以BTC计价的资产负债表风险通常存在于比特币周围的包装中：侧链、Lightning节点软件，以及交易者实际使用的钱包和固件堆栈。攻击者还从Coldcard钱包中抽走了约1.14亿美元的比特币，Core Lightning开发者在AI生成的安全报告发现真实漏洞后发布了紧急通知。
AI漏洞猎杀的速度超过比特币基础设施的修补速度
机制的转变是成本。AI模型可以快速读取和模式匹配大型代码库，将漏洞发现从定制工艺转变为更接近工业化的清扫。这改变了可信漏洞报告的节奏，并压缩了“没有人关注这个代码库”和“有人有有效的漏洞或有效的修补程序”之间的时间窗口。
在8月，16名比特币开发者使用AI模型对390个比特币项目进行了清扫，产生了近5,000个发现，其中85个最初被评为关键。即使在分类后降级了嘈杂的输出，运营者关注的点是吞吐量：更多的表面区域被更频繁地审查，边缘案例的长尾变得更便宜。
AI模型的使用使得漏洞发现的效率大幅提升，开发者能够更快地识别和修复潜在问题。
随着AI技术的发展，安全性和漏洞发现的方式正在经历根本性的变化。
这种压力最直接地影响到比特币的“复杂性悖论”。比特币的主要层面故意保持简单，以最小化风险，但对……的推动智能合约更快的链外交易创造了更复杂且潜在更脆弱的代码库。第二层系统将交易移出主链，侧链引入了不同的安全假设，而像Core Lightning这样的闪电网络实现则在节点层面增加了操作和软件的复杂性。
格雷戈里是一位比特币应用开发者，曾在美林证券和摩根大通工作，后来领导了CommerceBlock。他在一条Telegram消息中直言不讳地表达了这一转变：“在某个时刻我们必须承认，人工智能正在发现人类无法找到的漏洞。”
交易者应考虑的定价：L2、钱包和闪电操作的复杂性溢价
实际重新定价是对任何在额外代码和额外操作员背后持有BTC敞口的事物的“复杂性溢价”。Liquid的4,000 BTC提款在BTC的标准下是DeFi规模，但它处于一个与Bitcoin相邻的系统中，其风险并未通过基础层指标如内存池状况或矿工行为来捕捉。
对于交易者来说，短期信号是操作性的，而非宏观的。Blockstream 和 Liquid 关于根本原因、剩余未恢复的 BTC（约 600 BTC）以及是否需要额外的补丁或操作变更的后续披露，将比关于“AI 安全”的广泛叙述更为重要。
闪电基础设施是另一个压力点。核心闪电网络已经不得不在AI生成的报告出现真实问题后发布紧急通知，接下来要观察的是，其他闪电网络实现是否会在AI生成的报告激增时发布协调的建议或类似的紧急指导。
第三个监视器是审计管道本身。更多大规模的人工智能辅助扫描，包括其范围、仓库数量以及经过分类后仍然“关键”的发现数量，将作为新漏洞发现加速的代理指标。钱包堆栈也应在同一列表上：Coldcard 的盗窃事件将固件和相关工具置于爆炸半径内，下一个具体的催化剂将是与该事件相关的安全更新和事后分析，包括是否报告了进一步的损失或恢复。
我的看法：人工智能将沉睡的仓库变为实时攻击面
重要的阈值不是人工智能是否产生假阳性，而是人工智能是否使“旧的、安静的代码”变得足够便宜以进行审查，从而使持续探测直到发现真实问题变得经济合理。
格雷戈里的框架触及核心风险：“如果一个模型可以唤醒2006年金融C中的一个漏洞，它可能也能读取一个未动过的状态链仓库”，更直接地说，“未使用的代码在读取成本降至零的那一刻就不再是未使用的。”如果这一点成立，比特币的波动性和对手风险催化剂将越来越来自操作边界，在那里复杂的L2、侧链、闪电软件和钱包固件将比特币计价的风险集中在现在可以大规模扫描的代码后面。
