币安联合创始人赵长鹏（Changpeng Zhao，广为人知的CZ）驳斥了有关人工智能辅助黑客攻击对加密网络构成超常危险的担忧。他认为这些担忧被夸大了，并指出互联网和传统银行所运行的密码学基础，相比保护大多数现代区块链的技术反而更为薄弱。他的言论正值关于AI工具是否会在数字金融领域实质性改变攻防力量对比的更广泛讨论之际。赵长鹏于2017年创立币安，并于2023年11月卸任首席执行官，至今仍是加密领域最受关注的公众评论者之一。

CZ认为担忧被夸大的理由

CZ的核心观点是，针对加密货币的威胁模型执行标准不一致。他指出，更广泛的数字经济——包括公共互联网的HTTP和TLS基础设施，以及零售和银行间结算系统所使用的传统加密标准——所依赖的安全假设并不比保护比特币及类似工作量证明和权益证明网络的椭圆曲线密码学和哈希函数更强大，在许多情况下甚至更弱。

这一论证遵循比较逻辑：如果AI辅助的攻击者能够破解保护加密钱包和链上交易的密码学原语，那么同样的能力将首先危及在线银行、支付卡网络和保护电子商务基础设施的身份验证层，因为这些系统承载的总价值更大，且历史上受到研究界的对抗性审查较少。

这一论述无法证明什么

CZ的表态是对 perceptions 的反驳，而非技术审计。指出传统银行基础设施存在相当甚至更大的理论暴露风险，并不意味着加密货币对AI增强的威胁免疫，而是意味着这种威胁并非 uniquely 集中于加密领域。这一区别对于用户和协议如何校准自身风险评估非常重要。

这一主张也没有涉及DeFi特有的应用层漏洞：智能合约漏洞利用、预言机操纵和治理攻击并不是强大的链上密码学所能防御的。正如Chainalysis追踪的Drift攻击者案例所显示的——即2024年对基于Solana的永续合约交易所Drift Protocol的攻击——资金转移和协议攻击通常涉及社会工程学、密钥管理不当或合约逻辑错误，而非直接针对椭圆曲线密码学。

CZ为何将加密货币与互联网和银行安全作比较

CZ所作的比较根植于公钥密码学的结构。比特币的secp256k1曲线和SHA-256哈希、以太坊的keccak-256实现，以及主要权益证明验证者使用的共识层签名方案，都建立在椭圆曲线离散对数和抗原像性等数学问题之上——当前或近期的AI系统破解这些问题，并不会比破解支撑大多数互联网和银行身份验证流程的RSA-2048和AES-128标准明显更容易。

这一比较最有说服力的地方在于量子威胁的讨论。NIST后量子标准化进程于2024年8月最终确定，其针对的密码学原语同时被加密货币和传统金融所使用。如果足够强大的量子计算机最终威胁到secp256k1，它也将同时威胁每一次HTTPS银行会话的TLS握手。CZ的观点是，将加密货币描述为 uniquely 脆弱，歪曲了底层风险的共同属性。

为什么比较不等于安全的保证

"银行使用同样的密码学"这一论点作为相对性陈述成立，但不构成绝对保证。传统金融受益于可逆性、监管支持和欺诈追回基础设施，而链上结算并不提供这些。对加密货币私钥的成功攻击会导致不可逆的损失，而银行环境中同类密码学失效通常会触发欺诈检测层和潜在的拒付机制。攻击面的比较是成立的，但后果的比较并不对等。

协议层安全与密钥托管安全也存在显著差异。比特币网络的算力和以太坊的验证者集合代表了强大的共识层防御，但加密用户被盗的大多数案例发生在托管层：钓鱼攻击、助记词泄露、恶意浏览器扩展以及交易所层面的入侵。2025年2月交易所Bybit约15亿美元被盗事件——调查人员将其归因于与朝鲜有关的黑客组织，其入侵的是钱包签名界面而非底层密码学——大规模地展示了这一模式：签名数学依然成立，而托管流程失效。AI工具已经降低了制作高度逼真的钓鱼内容和深度伪造社会工程学的成本，这是攻击面的真实且可证实的扩大，而无需破解任何密码学原语。

这场辩论对加密安全预期的意义

综合来看，这一论点认为：AI驱动的加密黑客攻击担忧之所以不成比例，是因为互联网和银行基础设施运行在相当甚至更弱的密码学基础之上；这一比较在协议密码学层面成立，但不适用于DeFi特有的应用层风险，如智能合约漏洞和托管失效；AI对加密货币的近期威胁集中在社会工程学和钓鱼攻击上，而非破解椭圆曲线或哈希原语——以当前的硬件而言，攻击这些原语在计算上仍然不可行。

风险认知与已证实事件的对比

在有记录的、归因于高阶攻击者的大规模加密损失中，大多数涉及私钥泄露、内部人员访问或智能合约逻辑错误，而非任何形式的密码学暴力破解。Chainalysis估计，2024年全年加密黑客攻击造成的损失约为22亿美元，这些损失来自密钥泄露、代码漏洞利用和运营失败，而非加密算法被破解。当今的AI能力显著加速了这些攻击中的社会工程学成分，生成更具说服力的鱼叉式钓鱼邮件和虚假客服互动，但并未改变链上交易签名的底层数学安全性。

这一区别对于管理集中流动性头寸、治理多签和协议自有资金库分配的DeFi协议而言，在运营上非常重要。持有协议储备的Gnosis Safe多签的威胁模型，主要在于签名者密钥管理和治理流程的完整性，而非保护签名本身的椭圆曲线数学。CZ的论述在技术栈的某一层是正确的，但在大多数DeFi损失实际发生的层面上相关性较低。

接下来值得关注的要点

AI与加密安全领域近期更值得关注的进展并非密码学被破解，而是自主攻击工具的加速发展：能够大规模识别和探测存在漏洞的智能合约部署的AI代理，或能够自动化完成攻陷协议治理或运营安全所需社会工程学步骤的AI代理。这些攻击途径不需要击败SHA-256，只需要人类操作员仍处于密钥管理和治理决策的环节之中——而这恰恰是DeFi协议最薄弱的暴露点。值得关注的对冲因素是防御工具能否以相当的速度吸收同样的自动化——链上监控和安全审计平台已经将机器学习应用于异常检测和合约审查。

对于评估投资组合风险敞口的用户而言，相关的问题不是AI能否破解比特币的密码学——这并非可信的近期威胁——而是持有其资产的协议和托管方是否已针对钓鱼攻击、身份冒充和自动化漏洞扫描强化了运营安全，而AI工具使这些攻击的执行成本大幅降低、速度大幅提升。