最近一个月，Crypto 圈的安全神经再次被紧绷。
先是 Coldcard 被曝出严重的随机数生成漏洞，紧接着 Trezor、SafePal 又相继披露了用户隐私数据泄露的风险事件。
三起事件乍看之下并没有太多共同点，但如果把时间线稍微拉长一点，会发现它们共同指向了一个越来越重要的问题：
当 AI 开始让漏洞发现、攻击开发和社会工程越来越自动化，一款加密钱包，究竟还有多少地方，可能成为攻击者寻找的下一处薄弱环节？
一、借助 AI，黑客攻击从「手艺活」变成「工业化」
客观地讲，这三起事件暴露了完全不同的攻击面。
Coldcard 的问题在于私钥生成，是严重的安全问题；Trezor 出在第三方物流服务，SafePal 出在订单系统与插件权限，属于隐私泄露连带的风险暴露。
虽然目前没有证据证明三起事件均与 AI 直接相关，但不得不承认的是，身处AI 时代，黑客的「工具箱」，正在发生巨变。
因为过去很多高级网络攻击，本质上受到一种非常现实的限制——人的时间。
研究一个大型代码库、理解调用关系、寻找隐藏多年的逻辑漏洞，需要经验丰富的安全研究员投入大量时间；针对一个特定用户搜集身份信息、研究他的习惯、设计一封足够可信的钓鱼邮件，甚至需要投入数月时间去构造复杂的社会工程学剧本。
这就导致过去的攻击，往往存在一种取舍：要么高度自动化，但攻击方式比较粗糙，广撒网等少数用户上钩；要么针对特定高价值目标精心设计，但很难规模化复制。
但在 AI 能力飞速演进的今天，黑客的工具箱被彻底升级了：
- 漏洞挖掘自动化：AI 可以辅助攻击者快速分析智能合约、客户端代码甚至固件，自动寻找零日漏洞和逻辑瑕疵。
- 社会工程学规模化：过去需要精心撰写的钓鱼邮件，现在 AI 可以基于泄漏的用户身份数据，自动生成高度定制化、极具说服力的钓鱼内容、短信甚至语音/视频（延伸阅读《春节资产安全手册：走亲访友放松之际，如何守护好你的 Token？》）；
- 攻击实施智能化：从寻找目标到多通道并发投放，整个攻击链路的成本降到了历史最低点；
可以说，从目标筛选、漏洞研究，到恶意代码生成、社会工程和攻击内容投放，过去分散在不同攻击者手中的能力，正在逐渐被压缩进一套更加自动化的工作流。
这也是 AI 对网络安全真正深远的影响。
它未必突然创造出一种前所未见的攻击方式，而是在迅速降低既有攻击方式的成本——寻找一个漏洞更便宜了，分析一个目标更快了，生成一千封不同版本的钓鱼邮件，也比过去容易得多。
换句话说，过去很多系统之所以没有被攻击，并不一定意味着不存在漏洞，有时只是因为漏洞太难找、攻击成本太高、被攻击者性价比太低，而现在，过去依赖「攻击者没有这么多时间」形成的那道隐形安全边界，正在逐渐变薄。
从这个角度看，加密资产的安全攻防，也正在从过去相对集中的「私钥争夺战」，扩展为一场覆盖代码、设备、供应链、用户身份和日常交互的全链路拉锯战。
AI 所做的，只是进一步按下了加速键。
二、钱包真正的攻击面，不止一串助记词
这也是为什么最近几起事件放在一起看，会显得格外有代表性。
它们依次击中了钱包生命周期里的不同位置，提醒我们钱包所面临的风险早已超越了「私钥有没有被盗」这一单一维度，更嵌入在私钥生成、硬件设备、物流供应链甚至用户隐私信息的每一个环节中。
我们可以简单拆解一下。
Coldcard 就是最典型的例子，它的问题发生在用户甚至还没有真正开始使用钱包的时候。
助记词看起来仍然是 12 个或者 24 个正常的单词，设备也可以正常签名、转账，用户甚至很难察觉任何异常，但生成这串助记词的随机数并不随机，那即便你的助记词没有告诉任何人，也依然可能面临风险。
因为「保管好助记词」的前提，本就是这串助记词首先经过了足够安全、不可预测的方式生成。
然后是 Trezor 和 Safepal。
与 Coldcard 不同，它们的硬件本身并没有被攻破，助记词也完好无损，然而却泄露了用户的购买记录——包括姓名、电话、邮箱乃至收货地址。
这就好比你买了一个顶级防爆保险柜，保险柜没被撬开，但物流公司的发货单丢了，上面清楚地写着你叫什么、邮箱是什么、电话号码是什么、住在哪里，以及他购买过一台专门用来保存加密资产的硬件钱包，
那攻击者获得的就是一份潜在的 Crypto 高价值用户线索，可以冒充钱包客服发送「紧急固件升级」通知，可以根据购买型号定制钓鱼页面，可以打电话声称订单存在异常，甚至进一步把用户的社交媒体、公开身份和链上地址进行关联。
也就是说，破解不了密码学，不代表攻击就无路可走。
现实世界甚至存在一个 Crypto 社区流传多年的极端说法——「5 美元扳手攻击」：再强的加密算法，也无法解决攻击者直接找到资产持有人的问题。
这并不完全是理论风险。根据 Chainalysis 向《金融时报》提供的数据，截至 2026 年 8 月中旬，今年已经记录至少 46 起针对 Crypto 持有者的暴力攻击，其中绑架超过一半，入室攻击占比超过三分之一。
所以再回过头看这三件事，就会发现今天所谓的「钱包安全」，实际上已经变成一条很长的链：
从钱包代码、随机数和密钥生成，到芯片、固件与设备，再到官网、购买渠道、供应链、物流和订单数据库；用户真正开始使用之后，又会连接 RPC、DApp、浏览器插件和智能合约，随后还涉及授权、签名、客服、社交媒体乃至 AI Agent。
其中任何一环变成最薄弱的位置，都可能绕过其他环节建立起来的安全防线。
三、当攻击开始自动化，防守必须融入 AI
如果 AI 继续沿着目前的速度进化，那么今天暴露出来的这些问题，很可能还只是开始。
因为 AI 最擅长的事情之一，就是面对一个庞大的系统，持续寻找异常、重复模式和薄弱环节。
攻击者可以让 Agent 持续扫描开源代码，可以批量测试网页、API 与插件权限，可以自动搜集社交媒体与公开数据库中的信息，再筛选潜在的高价值目标。
甚至钓鱼本身，也可能从过去千篇一律的「钱包即将过期，请输入助记词」，进化成真正了解你是谁的实时对话：
- 如果攻击者知道你刚购买了一台某型号硬件钱包，它完全可以给你生成一封对应型号的「固件安全通知」；
- 如果知道你最近参与过某个 DeFi 协议，它可以伪装成该项目方让你迁移到新协议金库；
- 如果进一步获取了你的社交账号和公开发言，甚至可以模仿你熟悉的团队成员、KOL 或客服人员与你交流；
从这个这个角度看，未来钱包面临的一个重要挑战，就是当攻击已经从「固定规则」升级成会分析、会判断、会变化的系统时，防守还能不能只依赖静态规则？
毕竟此前的钱包安全机制，仍然比较接近一套「规则库」：某个地址被标记为钓鱼地址，就弹窗提醒；某个域名进入黑名单，就禁止访问；某种授权模式风险较高，就增加一层提示。
这些机制依然重要，但面对越来越动态的攻击，仅靠已经发生过的风险去识别下一次风险，显然还不够。
AI 恰恰可以成为防守侧非常重要的补充（延伸阅读《当黑客「更高效」用上 AI，Web3 的「矛与盾」军备竞赛如何升级？》），事实上，这并不是一个突然出现的新命题。
此前 imToken 在围绕「AI × Web3 安全」的讨论中，就曾提出过类似的方向：未来钱包的安全能力，不应该只停留在地址黑名单、风险标签和固定弹窗，而是可以借助 AI，把安全判断进一步前移到用户整个交易过程中。
例如，在代码进入生产环境之前，AI 可以持续审查代码依赖、调用路径和异常逻辑；用户访问一个 DApp 时，可以结合域名历史、前端行为、合约地址和链上关联关系判断它是否异常；在签名之前，则可以模拟交易真正执行后的结果，而不是仅仅给用户展示一串难以理解的十六进制数据。
再往前一步，钱包甚至可以逐渐建立针对每个用户的动态安全模型。
一个长期只进行几百美元转账的账户，突然准备将全部资产授权给一个刚刚部署两小时的陌生合约，本身就是异常信号；一个用户从未交互过的地址，突然要求无限额度 Approval，也应该获得更高优先级的风险提醒；而一封声称来自钱包官方、要求用户输入助记词的邮件，无论内容写得多么逼真，都应该被直接判定为高风险。
于是 AI 带来的变化，可能不仅仅是「自动帮用户判断一个地址安不安全」，它更像是让钱包从一个相对被动的密钥保管和签名工具，逐渐拥有一层主动的风险判断能力。
这也让 imToken 此前讨论的另一层安全边界也变得更加重要，即 AI 可以帮助用户理解和执行复杂操作，但资产控制权不能因此被无限让渡，对于大额转账、新地址授权、敏感合约交互等关键行为，仍然需要通过最小权限、人类确认、执行前预演和清晰的可解释性，将 AI 的能力限制在明确的授权范围之内。
尤其是在真正异常的时候，把「为什么危险」「执行后会发生什么」「风险到底在哪里」清楚地告诉用户。
换句话说，AI 防御的意义，在于推动钱包从一个被动的签名工具，逐渐拥有主动理解交易、识别异常和约束执行的能力。
写在最后
最近一系列钱包安全事件，并不意味着自托管模式失去了价值，更不意味着用户应该重新把全部资产控制权交还给中心化平台。
它们真正提醒我们的，恰恰是自托管，从来不等于天然安全，只是将资产的绝对控制权交还给用户。
而保护这份控制权，需要一套能够随时代演进、不断升级的安全体系，因为安全不是一次性的产品交付，是一场长期的动态演进，需要用户、项目方、钱包厂商共同努力。
攻击者可以用 AI 去理解代码、用户和环境，防守者同样可以。
这将是一场旷日持久的「矛与盾」升级竞赛。