Web3 wallets in "turbulent times": In the AI era, how do we understand the evolution of the "spear and shield" of crypto security?

特邀专栏作者

2026-08-19 08:31

บทความนี้มีประมาณ 3897 คำ การอ่านทั้งหมดใช้เวลาประมาณ 6 นาที

As attacks become automated and scaled, wallets also need to be upgraded into a dynamic defense system covering the entire usage lifecycle.

สรุปโดย AI

ขยาย

Core takeaway: The three recent security incidents involving Coldcard, Trezor, and SafePal show that, against the backdrop of AI-driven attack automation, the crypto wallet attack surface has expanded from private key generation to the entire chain of supply chain, user privacy, and daily interactions. Security defense must shift from static rule libraries to dynamic risk assessment systems integrated with AI.
Key elements:
1. The Coldcard vulnerability exposed defects in private key random number generation; Trezor and SafePal respectively leaked user names, phone numbers, addresses, and other private data due to third-party logistics and order system issues.
2. AI has driven attack costs to new lows: vulnerability discovery, phishing email generation, and attack deployment have all been automated, gradually thinning the security boundary that once relied on attackers' time costs.
3. The attack surface covers the entire wallet lifecycle: any weak link—code, random numbers, chip firmware, official websites, supply chain, logistics, RPC, DApp plugins, smart contract authorizations, and customer service interactions—can be exploited.
4. Chainalysis data indicates that as of mid-August 2026, at least 46 violent attacks against crypto holders have been recorded this year, with kidnappings accounting for more than half, confirming that offline attack risks are real.
5. AI can also be used on the defensive side: in code review, DApp behavior analysis, pre-execution validation through transaction simulation, and dynamic user behavior modeling to identify anomalies such as unlimited authorization to new contracts or large transfers to unfamiliar addresses.

ในช่วงหนึ่งเดือนที่ผ่านมา ความรู้สึกกังวลด้านความปลอดภัยในวงการ Crypto ถูกทำให้ตึงเครียดอีกครั้ง

เริ่มจาก Coldcard ที่ถูกเปิดเผยว่ามีช่องโหว่ร้ายแรงในการสร้างตัวเลขสุ่ม ตามมาด้วย Trezor และ SafePal ที่เปิดเผยเหตุการณ์ความเสี่ยงด้านการรั่วไหลของข้อมูลความเป็นส่วนตัวของผู้ใช้ตามลำดับ

เมื่อมองผิวเผิน เหตุการณ์ทั้งสามนี้ดูเหมือนจะไม่มีจุดร่วมกันมากนัก แต่ถ้าขยายเส้นเวลาให้ยาวขึ้นอีกหน่อย จะพบว่ามันชี้ไปที่ปัญหาที่สำคัญมากขึ้นเรื่อยๆ ร่วมกัน:

เมื่อ AI เริ่มทำให้การค้นหาช่องโหว่ การพัฒนาการโจมตี และวิศวกรรมสังคมเป็นระบบอัตโนมัติมากขึ้นเรื่อยๆ กระเป๋าเงินคริปโตหนึ่งใบ ยังมีจุดใดอีกบ้างที่อาจกลายเป็นจุดอ่อนจุดต่อไปที่ผู้โจมตีจะตามหา?

หนึ่ง ด้วย AI การโจมตีของแฮกเกอร์เปลี่ยนจาก "งานฝีมือ" เป็น "อุตสาหกรรม"

พูดอย่างเป็นกลาง เหตุการณ์ทั้งสามนี้เผยให้เห็นพื้นผิวการโจมตีที่แตกต่างกันโดยสิ้นเชิง

ปัญหาของ Coldcard อยู่ที่การสร้างคีย์ส่วนตัว ซึ่งเป็นปัญหาด้านความปลอดภัยที่ร้ายแรง ส่วน Trezor เกิดจากบริการโลจิสติกส์ของบุคคลที่สาม และ SafePal เกิดจากระบบคำสั่งซื้อและสิทธิ์ของปลั๊กอิน ซึ่งเป็นการเปิดเผยความเสี่ยงที่ตามมาจากการรั่วไหลของข้อมูลส่วนบุคคล

แม้ว่าในขณะนี้จะยังไม่มีหลักฐานพิสูจน์ว่าเหตุการณ์ทั้งสามเกี่ยวข้องกับ AI โดยตรง แต่ก็ต้องยอมรับว่า ในยุค AI "กล่องเครื่องมือ" ของแฮกเกอร์กำลังเกิดการเปลี่ยนแปลงครั้งใหญ่

เพราะการโจมตีทางไซเบอร์ขั้นสูงจำนวนมากในอดีต ถูกจำกัดด้วยข้อจำกัดที่เป็นจริงอย่างมาก นั่นคือ "เวลาของมนุษย์"

การศึกษาฐานโค้ดขนาดใหญ่ การทำความเข้าใจความสัมพันธ์ของการเรียกใช้ฟังก์ชัน การค้นหาช่องโหว่ทางตรรกะที่ซ่อนเร้นมานานหลายปี ล้วนต้องใช้เวลามหาศาลจากนักวิจัยด้านความปลอดภัยที่มีประสบการณ์ การรวบรวมข้อมูลประจำตัวของผู้ใช้เฉพาะราย การศึกษาพฤติกรรมของเขา การออกแบบอีเมลฟิชชิ่งที่น่าเชื่อถือเพียงพอ บางครั้งต้องใช้เวลาหลายเดือนในการสร้างบทสังคมวิศวกรรมที่ซับซ้อน

สิ่งนี้ทำให้การโจมตีในอดีตมักมีการแลกเปลี่ยนแบบหนึ่ง: 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。

แต่ในวันที่ความสามารถของ AI พัฒนาอย่างรวดเร็วในปัจจุบัน กล่องเครื่องมือของแฮกเกอร์ถูกอัปเกรดอย่างสิ้นเชิง:

การค้นหาช่องโหว่อัตโนมัติ: AI สามารถช่วยผู้โจมตีวิเคราะห์สัญญาอัจฉริยะ โค้ดฝั่งไคลเอนต์ หรือแม้แต่เฟิร์มแวร์ได้อย่างรวดเร็ว เพื่อค้นหาช่องโหว่ zero-day และข้อบกพร่องทางตรรกะโดยอัตโนมัติ
วิศวกรรมสังคมในระดับอุตสาหกรรม: อีเมลฟิชชิ่งที่เคยต้องเขียนอย่างพิถีพิถัน ปัจจุบัน AI สามารถสร้างเนื้อหาฟิชชิ่ง ข้อความ SMS หรือแม้แต่เสียง/วิดีโอ ที่มีความเป็นส่วนตัวสูงและโน้มน้าวใจได้สูง โดยอิงจากข้อมูลประจำตัวผู้ใช้ที่รั่วไหล (อ่านเพิ่มเติม《คู่มือความปลอดภัยสินทรัพย์ช่วงตรุษจีน: ในขณะที่ไปเยี่ยมเยียนญาติและเพื่อนฝูงอย่างผ่อนคลาย จะปกป้อง Token ของคุณได้อย่างไร?》);
การโจมตีอัจฉริยะ: ตั้งแต่การค้นหาเป้าหมายไปจนถึงการส่งโจมตีแบบหลายช่องทางพร้อมกัน ต้นทุนของห่วงโซ่การโจมตีทั้งหมดลดลงสู่ระดับต่ำสุดเป็นประวัติการณ์;

อาจกล่าวได้ว่า ตั้งแต่การคัดกรองเป้าหมาย การวิจัยช่องโหว่ ไปจนถึงการสร้างโค้ดมัลแวร์ วิศวกรรมสังคม และการส่งเนื้อหาการโจมตี ความสามารถที่เคยกระจายอยู่ในมือของผู้โจมตีแต่ละราย กำลังถูกบีบอัดให้อยู่ในขั้นตอนการทำงานอัตโนมัติชุดหนึ่งมากขึ้นเรื่อยๆ

นี่คือผลกระทบที่ลึกซึ้งอย่างแท้จริงของ AI ต่อความปลอดภัยทางไซเบอร์

มันอาจไม่ได้สร้างวิธีการโจมตีที่ไม่เคยมีมาก่อนขึ้นมาอย่างกะทันหัน แต่มันกำลังลดต้นทุนของวิธีการโจมตีที่มีอยู่ลงอย่างรวดเร็ว — การค้นหาช่องโหว่หนึ่งจุดมีราคาถูกลง การวิเคราะห์เป้าหมายหนึ่งจุดเร็วขึ้น การสร้างอีเมลฟิชชิ่งที่มีเวอร์ชันต่างกันหนึ่งพันฉบับ ก็ง่ายกว่าอดีตมาก

กล่าวอีกนัยหนึ่ง ระบบจำนวนมากในอดีตที่ไม่ถูกโจมตี ไม่ได้แปลว่าไม่มีช่องโหว่เสมอไป บางครั้งเพียงเพราะช่องโหว่หายากเกินไป ต้นทุนการโจมตีสูงเกินไป ความคุ้มค่าสำหรับผู้โจมตีต่ำเกินไป และตอนนี้ เส้นแบ่งความปลอดภัยที่มองไม่เห็นซึ่งเกิดขึ้นจากการพึ่งพา "ผู้โจมตีไม่มีเวลามากพอ" กำลังบางลงเรื่อยๆ

จากมุมมองนี้ การโจมตีและป้องกันความปลอดภัยของสินทรัพย์คริปโต กำลังเปลี่ยนจากการ "สงครามแย่งชิงคีย์ส่วนตัว" ที่ค่อนข้างกระจุกตัว ไปเป็นการรบแบบยืดเยื้อครอบคลุมทุกจุดของห่วงโซ่ ตั้งแต่โค้ด อุปกรณ์ ห่วงโซ่อุปทาน ข้อมูลประจำตัวผู้ใช้ ไปจนถึงการโต้ตอบในชีวิตประจำวัน

สิ่งที่ AI ทำ ก็เพียงแค่กดปุ่มเร่งความเร็วให้มากขึ้นเท่านั้น

สอง พื้นผิวการโจมตีที่แท้จริงของกระเป๋าเงิน ไม่ได้มีแค่ชุดคำช่วยจำ

นี่คือเหตุผลว่าทำไมการนำเหตุการณ์ไม่กี่เหตุการณ์ล่าสุดมามองรวมกัน จึงดูมีความเป็นตัวแทนอย่างยิ่ง

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。

เราสามารถแยกย่อยอย่างง่ายๆ ได้

Coldcard เป็นตัวอย่างที่ชัดเจนที่สุด ปัญหาของมันเกิดขึ้นในขณะที่ผู้ใช้ยังไม่ได้เริ่มใช้กระเป๋าเงินจริงๆ ด้วยซ้ำ

คำช่วยจำยังคงดูเหมือนคำปกติ 12 หรือ 24 คำ อุปกรณ์ยังสามารถเซ็นชื่อและโอนเงินได้ตามปกติ ผู้ใช้แทบไม่รู้สึกถึงความผิดปกติใดๆ แต่ตัวเลขสุ่มที่ใช้สร้างชุดคำช่วยจำนี้ไม่ได้สุ่มอย่างแท้จริง ถึงแม้คุณจะไม่บอกคำช่วยจำให้ใครรู้ ก็ยังอาจเผชิญกับความเสี่ยงได้

เพราะเงื่อนไข前提ของ "การเก็บรักษาคำช่วยจำอย่างดี" คือชุดคำช่วยจำนี้ต้องถูกสร้างขึ้นด้วยวิธีการที่ปลอดภัยเพียงพอและไม่สามารถคาดเดาได้ก่อน

จากนั้นคือ Trezor และ SafePal

不同于 Coldcard，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。

这就像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。

สาม เมื่อการโจมตีเริ่มเป็นอัตโนมัติ การป้องกันต้องผสานรวม AI

หาก AI ยังคงวิวัฒนาการด้วยความเร็วในปัจจุบัน ปัญหาที่เปิดเผยออกมาในวันนี้ อาจเป็นเพียงแค่จุดเริ่มต้นเท่านั้น

เพราะหนึ่งในสิ่งที่ AI ถนัดที่สุด คือการเผชิญหน้ากับระบบขนาดใหญ่ แล้วค้นหาความผิดปกติ รูปแบบที่ซ้ำซ้อน และจุดอ่อนอย่างต่อเนื่อง

ผู้โจมตีสามารถให้ Agent สแกนโค้ดโอเพนซอร์สอย่างต่อเนื่อง ทดสอบเว็บเพจ API และสิทธิ์ปลั๊กอินเป็นชุดๆ เก็บรวบรวมข้อมูลจากโซเชียลมีเดียและฐานข้อมูลสาธารณะโดยอัตโนมัติ จากนั้นคัดกรองเป้าหมายมูลค่าสูงที่อาจเป็นไปได้

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：