Для партнёра-управляющего Dragonfly Хабиба Куреши самым поразительным аспектом эксперимента с GLM 5.2 была его стоимость: «Запуск GLM 5.2 в течение 20 минут стоит около $2. Что это значит? Это значит, что мы живём в новом мире».

Dragonfly — это венчурная фирма, специализирующаяся на криптовалютах, и наблюдения Куреши имеют вес в индустрии, где программные ошибки привели к крупнейшим кражам за всю историю. Сообщается, что модель заново обнаружила уязвимость, связанную с недавней кражей ColdCard, после того как исследователи направили её на анализ затронутого ПО. ColdCard, производимый компанией Coinkite, — популярный аппаратный кошелёк среди пользователей Bitcoin, практикующих самостоятельное хранение. Нет никаких свидетельств того, что злоумышленники использовали AI. Тест, напротив, демонстрирует, насколько дёшево как атакующие, так и разработчики могут теперь анализировать код, защищающий крупные объёмы криптовалюты.

Почему стоимость в $2 имеет значение

Серьёзные исследования уязвимостей традиционно требовали специализированных знаний и множества часов ручной работы. Даже опытный исследователь может проверить лишь ограниченное количество прошивок, смарт-контрактов и криптографических библиотек.

AI позволяет гораздо большему объёму кода пройти первичную проверку. Исследователи могут назначать несколько моделей одному коду, поручать им изучение различных сценариев сбоя и повторять процесс каждый раз, когда появляется более мощная модель.

Большинство проверок могут не дать ничего полезного. Это становится менее значимым, когда одна попытка стоит всего несколько долларов. Тот, кто ищет слабые места, может проверять множество целей, не требуя успеха от каждого запуска. Одна действительная уязвимость в ПО, защищающем миллионы долларов, может оправдать затраты на тысячи безуспешных попыток.

AI не устранил потребность в экспертности в области безопасности. Он снизил стоимость генерации гипотез, проверки теорий и охвата большего объёма кода, чем исследователь-человек мог бы проверить самостоятельно.

Что на самом деле показывает тест GLM 5.2

Куреши сообщил, что исследователи попросили несколько моделей изучить ПО после того, как инцидент с ColdCard уже привлёк к нему внимание. По его словам, моделям не сообщили, где находится уязвимость, и GLM 5.2 обнаружила её примерно за 20 минут.

Контекст имеет значение. Исследователи уже знали, что соответствующее ПО содержит серьёзную проблему. Модель не вела вслепую поиск по всем аппаратным кошелькам и не обнаруживала атаку без отправной точки.

Обнаружение бага также отличается от его массового использования. Злоумышленнику может дополнительно потребоваться:

• Определить, какие устройства или кошельки затронуты.
• Восстановить пригодные к использованию приватные ключи.
• Идентифицировать кошельки с ценными балансами.
• Перевести средства до того, как пользователи или производители смогут отреагировать.

Комментарии Куреши не показывают, что GLM 5.2 выполнила эти шаги или что AI-система участвовала в исходной краже. То, что устанавливает эксперимент, более ограничено, но всё же важно: модель общего назначения, как сообщается, заново обнаружила лежащую в основе техническую слабость быстро и при пренебрежимо малых затратах.

AI уже здесь — до квантовой угрозы

Значительная часть долгосрочных дискуссий о безопасности Bitcoin сосредоточена на квантовых вычислениях. Достаточно мощный квантовый компьютер со временем сможет угрожать схемам подписи, защищающим монеты, что заставит сети и пользователей переходить на новую криптографию. Этот риск требует заранее подготовиться.

AI-ассистированный анализ кода представляет иную проблему, поскольку эти инструменты уже можно использовать против работающего сегодня ПО. AI не нужно взламывать базовую математику Bitcoin. Он может искать ошибки в окружающем коде — слабую генерацию случайных чисел, раскрытые секреты, дефектные криптографические реализации и небезопасные функции восстановления.

Предыдущий анализ угроз AI и квантовых вычислений для крипты рассматривал то же различие. Квантовые вычисления могли бы со временем создать сетевую криптографическую проблему. AI уже сейчас может быть направлен на кошельки, мосты, библиотеки и приложения, которые в данный момент защищают средства пользователей.

Таким образом, непосредственная проблема заключается в человеческой ошибке в ПО, окружающем Bitcoin, а не в том, что AI взламывает сам Bitcoin.

У злоумышленников и разработчиков — одинаковый доступ к инструменту

AI не отдаёт предпочтения ни более сильной безопасности, ни успешной атаке. Его эффект зависит от задачи, которую ему ставят люди.

Злоумышленник может использовать модель для сканирования старых прошивок, автоматизации повторяющегося анализа и тестирования возможных слабых мест. Производитель кошельков может использовать ту же модель до релиза, направляя её на генерацию ключей, подписание транзакций и процедуры восстановления.

Разработчики также могут заново изучать продукты, выпущенные до появления современных программных агентов. ПО, проверенное пять лет назад, теперь можно изучать инструментами, которые были недоступны, когда оно попало к клиентам. Несколько компаний по безопасности блокчейна уже начали внедрять AI-ассистированный анализ в свои рабочие процессы аудита, хотя эта технология остаётся дополнением к человеческой проверке, а не её заменой.

Однако две стороны действуют в неравных условиях. Злоумышленник может действовать сразу после подтверждения полезной уязвимости. Разработчик должен воспроизвести результат, определить, какие пользователи затронуты, подготовить безопасное исправление и распространить его, не раскрывая информации, достаточной для ускорения эксплуатации.

Модели также могут неверно интерпретировать код, давать ложноположительные результаты или описывать атаки, которые не срабатывают на практике. Исследователи-люди по-прежнему несут ответственность за проверку результата и решение о том, насколько срочно проект должен реагировать.

AI расширяет объём кода, который можно изучить. Он не заменяет экспертности или реагирования на инциденты, необходимых после обнаружения серьёзной уязвимости.

Самостоятельное хранение по-прежнему зависит от кошелька

Куреши описал пострадавших пользователей как людей, которые следовали обычным рекомендациям по безопасности: «Люди, которые делают всё правильно».

Они перевели Bitcoin с бирж и хранили его в специализированных аппаратных кошельках. Однако самостоятельное хранение по-прежнему зависит от того, правильно ли устройство создаёт и защищает ключи.

Куреши сообщил, что затронутая прошивка использовала более слабый источник случайности, чем предполагалось. Если приватный ключ сгенерирован из предсказуемых входных данных, хранение устройства в офлайне впоследствии не может сделать ключ сильнее. Воздушный зазор может снизить подверженность удалённым атакам на правильно сгенерированный секрет. Он не может исправить секрет, который был слабым с момента создания.

Пользователи аппаратных кошельков, следовательно, полагаются не только на собственное обращение с фразой восстановления. Они также доверяют прошивке производителя, аппаратной реализации, криптографическим библиотекам и генератору случайных чисел. Годы без известной эксплуатации могут показать, что ПО выдержало обычное использование. Они не доказывают, что каждая серьёзная слабость уже выявлена.

Старый код кошельков необходимо перепроверить

Более дешёвый AI-анализ облегчает повторное обращение к старому коду. ПО, которое ранее привлекало мало внимания, теперь можно изучать многократно и в масштабе.

Производителям кошельков и криптопротоколам следует повторно сканировать старые релизы при улучшении основных моделей, особенно если код создаёт приватные ключи, подписывает транзакции или управляет восстановлением кошелька.

Обновление прошивки не решит все проблемы. Когда недостаток затрагивает способ создания существующих ключей, исправление ПО может защитить новые кошельки, оставив старые уязвимыми. Пользователям может потребоваться сгенерировать новые ключи в исправленной системе и перевести свои средства. Поэтому провайдеры должны уметь идентифицировать затронутые версии, оперативно связываться с клиентами и объяснять, как безопасно осуществить миграцию.

Этот процесс также создаёт возможности для мошенников. Инциденты безопасности часто порождают поддельные аккаунты поддержки, вредоносные сайты миграции и сообщения с просьбой к пользователям подтвердить свои кошельки. Пользователи никогда не должны передавать сид-фразу или приватный ключ представителю поддержки, веб-сайту, аккаунту в соцсетях или AI-чат-боту. Легитимный процесс восстановления не требует, чтобы другой человек или сервис получил эти секреты.

Проверка безопасности больше не может быть разовым событием

AI-ассистированный анализ должен стать частью обычной разработки, а не инструментом, который используется только после кражи средств. Криптокомпании должны рассмотреть:

• Сканирование нового кода до релиза.
• Повторное изучение старых прошивок и библиотек по мере улучшения моделей.
• Использование нескольких моделей для подхода к одному коду с разных сторон.
• Привлечение опытных исследователей для воспроизведения серьёзных находок.
• Подготовку процедур экстренной коммуникации и миграции кошельков.
• Поддержку программ ответственного раскрытия уязвимостей и баг-баунти.

Модели обеспечивают более широкий и быстрый охват. Командам безопасности по-прежнему необходимо отделять подлинные уязвимости от ошибочных отчётов, разрабатывать исправления и управлять последствиями для пользователей.

Гонка безопасности становится дешевле

Пример Куреши не показывает, что AI может взломать Bitcoin. Он показывает, что ПО, защищающее Bitcoin, теперь можно тестировать на уязвимости при стоимости, которая стремительно становится пренебрежимо малой.

Это развитие может привести как к более сильной безопасности, так и к более дешёвым атакам.

Разработчики могут использовать AI для проверки собственных продуктов и выявления ошибок до релиза. Злоумышленники могут направить его на забытый код, повторять поиск по множеству целей и действовать при первом же полезном результате.

Технология доступна обеим сторонам. Результат зависит от того, кто её использует, насколько точно проверяются находки и как быстро защитники могут реагировать. Проекты, которые постоянно переоценивают своё ПО, могут извлечь выгоду из тех же инструментов, которые облегчают атаки. Те, кто полагается на старые аудиты или предполагает, что давно скрытый баг уже был бы обнаружен, оставляют эту возможность кому-то другому.

Отказ от ответственности: Эта статья носит исключительно информационный характер и не представляет собой рекомендацию по безопасности, финансам или инвестициям. Сообщаемый эксперимент не устанавливает, что AI использовался при краже ColdCard или что GLM 5.2 может надёжно выявлять каждую уязвимость в ПО.

Методология: Этот анализ использует публичные комментарии партнёра-управляющего Dragonfly Хабиба Куреши относительно инцидента с ColdCard и сообщаемого теста GLM 5.2. Сравнение рисков AI и квантовых угроз различает доступные в настоящее время инструменты исследования уязвимостей и долгосрочные угрозы, требующие криптографически способного квантового оборудования.