AI 正在量产黑客—攻击的门槛已经没了

更新于 2026年11月16日
AI 正在量产黑客—攻击的门槛已经没了

要点总结

  • AI 让漏洞分析和攻击验证更容易。
  • 安全芯片、PIN 和整机设计共同影响硬件钱包安全。
  • 第三方组件漏洞可能成为供应链攻击的入口。

一、当黑客也开始用 AI 写代码

最近几年,AI 的浪潮席卷全球。想写个小工具,很多人的第一反应是说清需求,让 AI 写一版,再运行、修改。来回几轮,程序就能跑通。

AI 正在接手安全分析中最耗精力、最依赖经验的许多环节。追调用链、对内存、定位问题、反复改测试工具,过去需要研究者一轮轮手工完成,如今可以借助 AI 加快推进。人仍需确定方向、核实结果,AI 则分担了大量分析和试错工作,让思路更快转化为可验证的路径。

这些能力也可能被用于攻击。有人让 AI 分析项目代码、编写功能,也有人让它追调用链、读内存、改工具,为网络或硬件攻击寻找入口。相似的工作,用途取决于提出需求的人。

这正是 AI 降低攻击门槛的具体方式。过去,许多人会卡在机械、重复又依赖专业经验的环节;如今,具备基础代码和硬件知识的人,也能借助 AI 的分析结果继续探索。即便缺少代码基础,骗子也可能用 AI 制作逼真的钓鱼网站,诱导他人上当。

接下来,我们用 OneKey Anzen 团队的一项研究,展示 AI 在硬件攻击分析中的作用:评估一台搭载三颗安全芯片的硬件钱包,看看攻击者在 AI 辅助下能走到哪一步。

这个案例具有代表性:攻击从 USB 漏洞进入,而类似的实现问题也可能出现在其他设备中。硬件钱包承担保护数字资产的任务,具备专门的安全设计。分析它被逐步攻破的过程,既能帮助行业审视安全边界,也能让读者理解 AI 辅助攻击的具体方式。

案例范围与修复状态:本文回顾 OneKey Anzen 与 Keystone 的联合审计。相关问题影响集成该 USB SDK 的旧版 Keystone 3 Pro 固件,已在 2026 年 4 月 1 日发布的 v2.4.0 中修复。官方公告列出的利用前提包括:持有设备、知道正确 PIN、解锁设备、批准 USB 连接,并连接攻击者控制的电脑。公告发布时,双方未发现该漏洞被用于攻击用户的证据。以下分析不表示当前版本仍受影响,也不表示仅充电即可触发攻击。官方研究与安全更新

二、硬件钱包是个啥东西?

在说硬件钱包是啥之前先要简单了解一下区块链。

区块链可以理解成一本由成千上万台电脑共同维护的账本,或者说一组分布式的服务器。比特币这类加密货币,就是记在这本账上的钱,有点像记名债券:钱不在你手里,账本上写着它归谁所有。

那怎么证明「这笔钱是我的」?靠助记词。它相当于一枚电子公章,谁能盖出这个章,账本就认谁是主人。这枚公章无法像银行卡一样挂失;一旦被别人拿走,对方也能控制相应资产。

硬件钱包,就是专门为保护这枚公章设计的设备。它的构造并不复杂:一颗主控负责和电脑通信、调度各个部件;安全芯片(SE)负责保管秘密、检查访问条件。转账时,电脑把交易准备好,设备在内部「盖章」(生成签名)再交回去。电脑拿到的是盖好章的文件,拿不到公章本身。

硬件钱包内部签名流程
图 1|硬件钱包工作示意:电脑准备交易,设备内部完成签名。

这套思路已广泛应用于网银 U 盾、银行卡、身份证等产品:用专门的硬件保存秘密,并在内部完成相关操作。硬件钱包延续这一原理,将它用于数字资产管理。U 盾、支付与身份芯片、身份证芯片

安全硬件的日常应用
用途示意|安全硬件在日常生活中的几种应用。
OneKey Classic 1S 拆机,芯片位于中央电路板上。
OneKey Classic 1S 拆机,芯片位于中央电路板上。
工行 U 盾主板背面,露出板上的芯片。
工行 U 盾主板背面,露出板上的芯片。
银行卡的金属触点,芯片封装在触点背面。
银行卡的金属触点,芯片封装在触点背面。

实物对比|OneKey 用于展示硬件钱包结构。照片来自 OneKey 官方拆解、BugWorkShop 拆解 和 kuhnmi 的银行卡特写(CC BY 2.0,已缩放)。

也正因为如此,硬件钱包很值得研究:它身上暴露的问题,很可能也藏在别的安全设备里。而且硬件钱包的用途正在变宽,不只是存这枚「电子公章」。

当 AI 开始替人付款、签名、做决定,权限和身份管理也变得更加重要。业界的一种思路是集中管理权限,只保留一个授权出口,由人决定哪些操作可以通过。硬件钱包可能成为承载这一出口的方案之一。

下面就请你和我们一起,跟着 AI 一步步看看,一款硬件钱包是如何在 AI 的辅助下被逐层分析的。

三、AI 如何一步步辅助分析一款硬件钱包

1、先从一个常见的小 BUG 说起

这个案例来自我们和友商联合审计的某款硬件钱包,目标很明确:借助 AI 评估它的安全性,看看在用户正常使用的过程中,攻击者能一步步走到哪一步。该从哪下手呢?

设备的基本情况是这样的:这是一个「air-gapped 冷钱包」:没有蓝牙、没有 Wi-Fi,签名只能走摄像头、SD 卡或者 USB。

这款钱包搭载三颗安全芯片,恢复钱包所需的材料分散在不同部件中,请求和材料都经主控转交。这些基本信息公开可查,初学者也可以让 AI 帮忙阅读详情页和开源固件。

根据这些信息,我们把入口范围缩小到 USB 接口和 SD 卡。研究设定是在用户正常使用过程中完成攻击,不拆开设备,因此探针、飞线、故障注入、侧信道、JTAG/SWD 调试口、bootloader 等手段不在这条路径的考虑范围内。USB 则是日常签名或充电时会用到的连接。

电脑与设备的 USB 连接
USB 接入实拍|电脑与外设通过 USB 交换数据,这条连接就是本案例的入口。照片由 Casey McLaughlin 拍摄(CC BY-SA 4.0,已缩放)。

工作方向由此明确:尝试通过 USB 接口影响主控,让它执行攻击者构造的代码,再利用设备已有流程请求所需材料。选择 USB 作为切入点,也因为 USB 协议栈历来是内存安全 bug 的高发区域。

这条路径以旧版受影响固件为对象,并受上述官方利用条件约束。解锁与批准 USB 连接是必要环节,不能把插线或充电等同于开放攻击通道。

先解释一下 USB 协议栈。USB 标准规定电脑和设备如何「对话」;芯片厂商需要把这套规则实现成代码,打包为软件包(SDK),设备厂商再将其接入自己的业务。设备中负责接收、处理 USB 消息的这部分代码,就是 USB 协议栈。

统一的接口背后,各家实现的质量和维护情况并不相同。有些代码沿用多年,缺少重新审视。USB 漏洞常出现在具体实现中:攻击者只需找到其中一处缺陷,就可能利用主机可控的消息字段触发问题。

一套协议栈包含描述符、控制请求、类命令、数据端点等多层结构。入口很多,需要先缩小排查范围。

我们重点检查长度字段:它既能由外部控制,又决定设备读写多少字节。设备收到数据时,需要据此安排存放位置和读写范围。

如果设备直接信任电脑给出的长度,就容易出现越界读写。假设缓冲区只有 8 字节,对方要求写入 1000 字节,程序仍照常执行,多出的数据就会覆盖相邻内存。这也可能成为注入攻击代码的入口。排查的关键,是确认每个长度字段在实际读写前是否经过容量检查。

长度传递太常见,每一层都可能默认「上一层已经检查」。一处这样的疏忽,就可能让数据一路越过检查边界。

多数代码路径具备有效检查,困难在于找出遗漏的那一处。传统做法是人工顺藤摸瓜:从长度进入设备的位置出发,逐个函数、逐个文件追踪,记录它的来源、变化、最终用途,以及中间是否经过校验。

单看一个函数,它可能只是接过长度,再传给下一个。整条调用链却很长:一个长度可能转手十几次,跨越多个文件,中途还会被截断、加偏移、写入结构体再取出。

人追到第三个文件时,可能已经记不清最初的数字来自哪里。这样的字段还不止一个,每个都需要完整追踪。这项工作既吃经验,也耗精力:经验影响排查方向,精力决定能否持续核对细节。

长度字段在代码调用链中的传递
长度字段在代码调用链中的传递

AI 很适合协助梳理这类材料。把相关源码交给它,可以沿调用关系追踪长度字段,标出从输入到读写的路径,并逐轮筛查可疑位置。研究者再据此核实检查是否有效、问题能否复现。

AI 辅助追踪固件代码
AI 生成示意|橙色虚线标出同一个长度字段在多个源码文件之间的传递路径。
追踪一个长度字段
流程图 1|把长度从哪儿来、到哪儿去追清楚,才知道中间的检查到底拦没拦住它。

本次发现的问题是越界写入:设备的缓冲区只有 8 个字节,却没有好好限制外面送进来的长度,超出的数据会写入相邻内存。缺陷位于钱包集成的某个第三方 USB 软件包中。

那超过 8 字节的数据为什么还能读写?因为这 8 个字节只是内存里的一小段,后面还紧挨着别的东西,而处理器在读写的时候,根本不知道源码里的数组有多长。

缓冲区与相邻内存的边界
图 2|八个格子代表缓冲区,右侧表示相邻的运行数据。

缓冲区本质上是一段由起始地址和长度界定的内存。地址越过边界后,只要相邻内存仍可访问,读写就可能继续。越界读可以泄漏相邻数据,越界写可以修改这些数据;一个普通的长度字段,因此可能成为影响设备内部状态的入口。

越过内存边界只是第一步。哪些数据维持通信,哪些影响程序运行,修改哪里会产生什么结果,都需要进一步摸清。这相当于进入一间房屋后,还要找到内部机关及其控制方式。

2、找到漏洞,有什么用呢?

找到漏洞后,我们开始验证它能做什么。第一次写入,USB 连接就立即中断。

连接中断使后续操作难以继续,也提供一条线索:缓冲区附近很可能存在 USB 维持连接所需的状态,越界写入破坏的正是这些数据。

程序中的数据在内存里相邻排列,具体布局由编译结果决定。缓冲区 buffer[8] 占 8 个字节,紧挨着的可能是连接状态 usb_state、接收长度 rx_len,或某个回调指针。

这就像一排储物柜:柜门上的名字由开发者标注,处理器只按地址访问。让它从某个位置连续写入 1000 字节,它不会自动识别每个变量的边界,维持正常运行的数据也可能因此被覆盖。

要让 USB 通道保持稳定,就需要避开关键状态:只修改不影响正常运行的区域,或在写入时保留重要数据的原值。

精确修改的前提,是把源码和内存里面的信息全部摸清楚。源码描述变量和结构体,内存数据通常只显示地址与数值,两者之间的对应关系需要逐一核对。

这是整个过程中最吃经验、最耗精力的环节之一。研究者需要按字段类型、长度和对齐规则推算位置,再与实机内存比对。一个偏移算错,后续对应关系就可能整体错位;初学者往往从理解结构体布局开始,就面临困难。

源码结构与内存布局的对应
源码结构与内存布局的对应

AI 可以帮助完成这些反复比对的工作:源码本身是文字,内存也能转换成十六进制数据,便于一起分析。测试工具的修改同样可以交给 AI 辅助,研究者据实验结果决定下一步。也可以编写 Agent,把多轮分析和工具调用串联起来,逐步核对内存布局。

分析与实验循环
流程图 2|出问题、找原因、改工具、再实验,来回循环;其中重复的活儿,AI 都能搭把手。

经过多轮实验,我们找到了一种写入方式:修改目标区域,同时保留维持正常功能的数据,让设备持续在线。

分析与实验循环
分析与实验循环

下一步是影响程序的执行顺序,让处理器转向注入的代码。最直接的目标是函数指针。它像一张节目单,指定接下来调用哪个函数;修改指向,便可能改变执行路径。

设备通常会对此设置防护。内存保护机制可以把某些区域标记为「能写、但不准执行」,由硬件单元检查访问权限。

在这种保护生效时,即便函数指针指向注入的代码,处理器也会拒绝执行。本次研究的设备存在 MPU(内存保护单元)配置问题,为这一步留下可利用的空间。

当函数指针可被修改、注入代码也能执行,攻击者就能取得主控的代码执行权。固件签名负责检查开机加载的固件是否可信;这类发生在运行过程中的内存修改,还需要运行时防护机制约束。

取得主控控制权后,能否继续获取恢复钱包的秘密,取决于整套安全设计的授权边界。

3、控制主控后,为什么还拿不到助记词?

接下来,一个直接的思路是读取内存,寻找助记词。

硬件钱包会加密保存助记词,通常只在签名、导出等操作中临时解密,用后清除。直接读取内存,并不意味着能拿到明文;我们首先需要定位的是加密后的数据。

开源固件提供必要的线索。AI 协助分析代码后,可以看出种子密文位于一颗安全芯片的存储页中:Page 0 的前 16 字节存放 IV,Page 1 存放密文。

接下来的工作,是把代码中的字段与实机数据对应起来:哪个地址属于哪个字段,哪一段是 IV,哪一段是密文,都要逐项核对。

AI 再次协助完成这种耗时的对应工作,帮助我们定位相关数据。

拿到密文后,有两条思路:破解加密,或复用设备自己的解密过程。

路径一:直接破解加密

要硬刚,得先弄明白加密是怎么回事。加密就像一把带钥匙的锁:有钥匙,锁上、打开都很轻松;没钥匙,就只能盯着密文干瞪眼。

假设 E 是原数据,C 是密文,K 是加密用的密钥(钥匙)。

三者的关系写成式子就是:

C=Enc⁡K(E),E=Dec⁡K(C)C=\operatorname{Enc}_{K}(E),\qquad E=\operatorname{Dec}_{K}(C)

用密钥 K 对原数据 E 加密,得到密文 C;用同一密钥解密,就能恢复 E。这里讨论的破解,是在缺少 K 时仍能从密文恢复原文。安全算法的设计目标,正是让这件事在计算上难以实现。

怎样衡量这种安全性?密码学提供一个严格的判断标准:

假设你有两段原文数据 E₀ 和 E₁,计算机随机选择其中的一个,把它用钥匙 K 加密之后,把密文 C 给你看。你看着 C,猜猜它是由 E₀ 还是 E₁ 加密来的?

如果这个加密很安全,就是满足以下条件:

∣Pr⁡[猜对]−12∣≤一个小到可以忽略不计的数\left|\Pr[\text{猜对}]-\frac12\right|\le \text{一个小到可以忽略不计的数}

Pr[猜对] 表示猜对的概率,½ 是随机猜测的命中率,两条竖线取概率差的绝对值。满足这个要求,就称为语义安全。

可以这样理解:你挑选两段原文,拿到其中一段对应的密文后,判断准确率仍接近随机猜测。即便原文差异很大,比如一段是 00000000,另一段是 11111111,密文也不应提供可靠的区分线索。这就是加密的核心:让每一种答案看起来都差不多。

这里用两个选项解释安全性的核心思路,随机猜中的概率是 ½。如果候选原文有四种,基准就是四分之一;候选更多,随机命中的概率也更低。关键在于,密文不应帮助攻击者明显优于随机猜测。

如果算法足够完美,攻击者在数学上没有任何捷径可走,那就只能硬试:把所有可能的钥匙全部试一遍。假设 n 指钥匙的位数(二进制长度每一位都能是 0 或 1),n 位的钥匙一共有 2ⁿ 把;假设运气折中,平均试到一半就能试对,也就是 2^(n−1) 次。再设每秒能试 r 把:

t≈2 n−1rt\approx\frac{2^{\,n-1}}{r}

取 n = 256(AES-256 密钥的位数)、r = 10¹⁵——相当于一百万台机器,每台每秒试十亿把(已经远超现实里任何 GPU 集群)——得 t ≈ 2×10⁵⁴ 年。

宇宙年龄才 1.4×10¹⁰ 年,相差约 10⁴⁴ 倍。就算量子计算机出现,用 Grover 算法也只能把要试的次数开平方(相当于把密钥的有效强度从 256 位砍到约 128 位),算下来仍要 10¹⁵ 年以上,照样没戏。

这样的计算成本,使直接穷举密钥在现实中不可行。成熟加密算法通常经过密码学界长期研究,真正有效的破解将是重大成果。在这个案例里,我们因此转向设备自身的实现。

接下来要分析的是:设备通过哪些代码、凭据和材料完成解密,这条路径是否可能被失陷的主控复用。

路径二:复用设备的解密流程

只要设备需要解密来签名,那么固件里就一定有一条生成密钥的路径。能重建密钥的那段代码,就是攻击的真正目标。

借助 AI 梳理解密代码,我们找到下面这条关系:

K=f(A片, B片, OTP)K=f(\text{A片},\ \text{B片},\ \text{OTP})

芯片 A 通过凭据校验后,在片内做两级 KDF,再用 SHA-256 算三次,得到 32 字节的 A 片;芯片 B 把受保护存储里的一页数据,和口令派生出的摘要逐字节异或,得到 32 字节的 B 片;两片拼成 64 字节,加盐哈希、再走 SHA-512,取前 32 字节作为加密密钥;这个加密密钥最后再和 OTP 里熔断的 32 字节 AES key 结合,才得到真正用来解密的那把钥匙。(第三颗安全芯片主要管指纹这类认证,在这里没啥用。)

可以把它理解为一个带三把锁的保险柜,只有同时拿到三把钥匙才能打开:安全芯片 A 的材料、安全芯片 B 的材料,以及 OTP 中的材料。

解密材料如何汇合
流程图 3|三份材料各有各的来路;口令既是向芯片取材料时出示的「通行证」,本身也参与 B 片的计算。

这里的「口令」指设备 PIN 码;「盐」和「AES Key」是每台设备各自的随机材料,用途不同,出厂时烧录在 OTP(一次性可编程存储)中。烧录后无法更改,仍可能被读取。这些材料最终交给运行在主控上的函数 f;主控失陷后,攻击者若能取得所需材料,就可以尝试按原流程恢复助记词。

多芯片系统的共享信任边界
多芯片系统的共享信任边界

怎么拿呢?

先看 OTP 中的「盐」和「AES Key」。这台设备由 MPU 管理 OTP 的读取权限,主控可以修改 MPU 配置。取得主控控制权后,攻击者也就有机会重新配置这些权限,读取相应材料。

取得 OTP 材料后,还缺 PIN。

4、PIN 输错会自毁,怎么破解这个难题?

本节解释的是:在校验材料已经可读的实验条件下,离线验证为什么不再受设备失败计数约束。这不意味着可以绕过本案例的初始解锁与 USB 授权条件;官方公告要求攻击者知道正确 PIN。

从安全设计角度看,即使入口已有授权要求,也需要检查主控失陷后能否导出校验材料,以及设备的尝试次数限制是否仍能生效。

PIN 只有 6 位,设备又设置输错 5 次后自毁的限制。怎样在这一约束下继续分析?

我们让 AI 协助定位 PIN 验证流程,检查设备具体如何判断输入是否正确。

设备通常不保存 PIN 明文,而是保存校验值:v = F(p, s)。其中 p 是 PIN,s 是设备材料,F 是固件规定的计算方法。本例中的计算在主控上执行;尽管 p 未知,v、F 和 s 可以被读取。

这相当于把验证过程复制到设备之外。只要计算不再经过钱包,就不会触发设备上的失败计数。试 PIN 可以完全搬到电脑上进行。

这套设计依赖主控可信的前提。芯片 B 为不同数据设置不同的访问门槛:校验值这份,验证前就能读;真正用于解密的 B 片材料则受到更严格的保护。正常情况下,主控负责限制尝试次数,达到输错 5 次的阈值后触发自毁。

当验证可以离线执行,六位数字对应的 10⁶ 种组合就是有限的搜索空间,不再受设备尝试次数约束。本次实验在 1.831 秒后命中 PIN。(这段时间如何换算成单次验证耗时,见文末补充阅读。)

PIN 在哪里验证
流程图 4|PIN 验证的关键,在于在哪儿验、由谁来限制次数。

取得 PIN 后,最后一项参数也随之补齐。沿固件原有算法计算,就能生成后续流程所需的凭据。

材料齐备后,便可以恢复助记词。对于真实攻击者,这意味着取得相应账户的控制能力。

5、换到用户视角:风险会怎样发生?

前面我们一直站在攻击者这边,现在换个角度,假设你就是这台钱包的主人。

场景一:旧版固件与已授权的 USB 连接

将研究放回用户场景,首先要看设备是否运行受影响的旧版固件,以及攻击者是否具备公告列出的全部条件。不能仅凭电脑感染木马,就认定一台锁定的钱包能被直接攻破。

本案例的 USB 路径需要设备已解锁、USB 连接已获批准,且连接到攻击者控制的电脑。仅插线充电不等同于满足这些条件。

在这些条件满足后,恶意主机才可能触达存在缺陷的 USB 请求处理逻辑。

研究演示的是这条已具备前提的路径:主机发送构造的请求,影响主控,再沿设备原有流程取得所需材料。

如果恢复助记词所需材料能够被取齐,相应资产就可能面临风险。该结果不能外推为所有固件、所有使用方式或任意硬件钱包都可被同样攻击。

USB 接入后的风险路径
流程图 5|旧版受影响固件中,攻击还依赖已知 PIN、设备解锁、USB 授权与受控主机;v2.4.0 已修复该问题。

场景二:设备已经在攻击者手里

实物访问也会引入另一类研究方向。以下介绍物理攻击的一般原理,不表示这些手段已在本案例中完成验证,也不表示持有设备就能绕过 PIN。

拆机、探针与故障注入,可能用于研究主控的防护边界。处理器依赖供电和时钟执行指令,在某些设备和实验条件下,短暂扰动这些物理条件可能影响检查流程。能否成功,取决于具体芯片、配置和防护机制。

ESP32 电磁故障注入实验
电磁探针实拍|在 Raelize 的 ESP32 实验中,定位台把探针对准开发板上的芯片,再施加短促的电磁脉冲。Raelize 实验照片

即使取得主控控制权,后续是否能获取材料,仍取决于凭据、芯片授权及其他独立防护。

这个案例提醒我们:专门的安全设计仍需接受整机验证。借助 AI 串联多个实现缺陷,攻击者可能逐步越过原本设想的安全边界。

四、回头看:AI 在这场攻击中发挥什么作用

把前面的步骤连起来,整条攻击链如下:

从 USB 漏洞到秘密恢复
流程图 6|整条攻击链:从一个没查长度的 8 字节缓冲区,一路走到助记词。

这项研究中,AI 主要参与漏洞分析、测试工具修改、代码定位和数据匹配。研究者确定思路与方向,AI 承担起那些最吃经验、最磨人的工作,帮助分析和验证持续推进。

对嵌入式初学者来说,源码理解和调试经验往往是主要障碍。AI 能辅助解释代码、整理线索和检查假设,让他们有机会继续探索原本容易停滞的环节。

AI 在安全分析中的作用
AI 在安全分析中的作用

一个更直观的例子是建网站。过去,缺少编程经验的人需要投入大量时间;如今,通过自然语言也能让 AI 生成可用页面。骗子同样可能利用这种能力仿制银行等网站,让钓鱼页面更容易制作,也更难辨认。

AI 的作用还在向更多环节延伸。

目前的云端 AI 通常带有安全限制。缺少这些限制的工具可能被用于更广泛的攻击任务;与实验电源、探针和故障注入设备结合后,AI 还能辅助编写控制程序、整理测量结果。

Raelize 在 2026 年 5 月公开一个具体例子:研究者搭建硬件、提供接线信息和参考资料,让 Claude Code 编写控制程序,驱动故障注入设备和实验电源,辅助复现早期 ESP32 上一个已知的安全启动绕过。Raelize 实验报告

(所谓安全启动,就是开机时先验一验固件是不是正版。验证程序默认处理器会老老实实执行每条指令;可真实芯片还得靠供电和时钟撑着。故障注入就是在极短的一瞬间捣乱这些物理条件——比如来一下电压毛刺,让某条指令算错,绕过检查。)

AI 与实验设备的分工
流程图 7|Raelize 公开实验里的分工:AI 辅助编写控制程序、整理结果,仪器执行故障注入实验。

从读代码到做实验,AI 可以协助连接分散的信息,缓解研究者处理材料时的精力限制。这种能力同时适用于攻击分析和安全防护。

软硬件安全攻防因此成为 AI 时代的重要议题。NVIDIA 在计算集群中为 AI 划分硬件隔离区,限制其权限边界,这与硬件钱包隔离关键操作的思路有相通之处。NVIDIA Sentry 官方介绍、AI Agent 软硬件安全架构技术说明、DSX POD 官方公告。这些防护工作也提醒我们:随着 AI 降低分析与自动化成本,网络和硬件安全需要持续投入。

五、AI 之外,供应链的安全问题同样值得重视

研究还指向一个常被忽略的环节:本次存在问题的 USB 程序来自芯片厂商的软件包。安全审查因此需要覆盖钱包业务逻辑、底层驱动、通信协议栈,以及这些组件在整机中的配置与交互。

U 盾、安全令牌、支付终端具有类似的协作结构:设备程序处理外部请求,再交给负责保管秘密、执行运算的部件。它们保护的对象不同,底层机制存在共性。PCI 支付终端安全标准

真正要担心的,是这些底层组件往往不只用在一款产品里。芯片厂商提供一套 SDK,不同设备厂商拿来开发各自的产品。如果问题出在共用的代码里,影响就可能沿着供应链扩散。

这也意味着,设备厂商不能只检查自己写的业务代码。用户买到的是一台完整设备,不会区分漏洞究竟是谁写的:哪怕钱包自己的逻辑没有问题,底层驱动也可能成为突破口。无论代码出自谁手,整机安全最终都需要设备厂商把关。

修复同样需要多方协作:芯片厂商修补 SDK,设备厂商确认受影响产品、适配和测试固件,再推动用户升级。本案例已在 v2.4.0 修复;使用受影响旧版本的用户应通过官方渠道升级。将风险与版本对应,才能避免把历史研究误读为当前产品状态。

AI 时代的安全工作需要贯穿产品全流程。从软硬件设计到包装防伪、宣发运营和售后维修,每个环节都需要相应的安全意识与验证机制。

OneKey Anzen 团队做这类研究,也会把经验吸收进自己的设计里。AI 能帮攻击者整理线索,同样也能帮我们检查代码、验证假设。


图解补充:为什么一串随机数据能还原成 24 个助记词

助记词可以理解成恢复钱包的钥匙。下面看看,一串随机数据是怎么变成二十四个词的。

以 BIP39 的二十四词格式为例,原始数据有 256 位。每位可以是 0 或 1,共有 2²⁵⁶ 种组合。根据原数据计算出 8 位校验信息,附在末尾,便得到 264 位。

BIP39 二十四词编码示意
图 3|BIP39 二十四词编码示意。色块表示数据组成,长度不按位数比例绘制。

接下来每 11 位分为一组。11 位能表示 2¹¹ = 2048 个编号,恰好与 2048 词词表一一对应。264 ÷ 11 = 24,最终得到二十四个词。

256 + 8 = 264 = 24 × 11。

末尾这 8 位由原数据计算产生,不增加随机性,因此不会提高猜测难度。它的作用是帮助发现部分抄写错误,与加密不同。词表只负责规定编号和单词的对应关系,可以公开。

助记词与可选的独立 passphrase 用来生成种子,种子再按 BIP32 等规则派生账户密钥。同一套助记词和 passphrase,按相同规则可以恢复同一账户。BIP39 规范、BIP32 规范

补充阅读

一、秘密分存与独立授权

本节要说明的是:将秘密分割存储,并不等价于各份额具备独立的访问控制。若份额的读取仍由同一已失陷主体代为请求,则分存本身不提供额外的计算安全性。

考虑最简单的二份异或秘密分享。设秘密 E∈{0,1}nE\in\{0,1\}^{n},掩码 RR 在 {0,1}n\{0,1\}^{n} 上均匀随机,且与 EE 独立。定义两个份额

A=R,B=E⊕RA=R,\qquad B=E\oplus R

其中 ⊕\oplus 表示按位异或。

先证单份额不泄漏 EE。对任意固定的秘密取值 ee 与份额取值 bb,

Pr⁡[B=b∣E=e]=Pr⁡[R=e⊕b]=2−n\Pr[B=b\mid E=e]=\Pr[R=e\oplus b]=2^{-n}

右端与 ee 无关,故 BB 的条件分布不依赖于 EE。换言之,观察 BB 不改变关于 EE 的任何信念。同理,A=RA=R 且 RR 与 EE 独立,故 AA 亦不泄漏 EE。上述结论以掩码均匀、独立且不跨秘密复用为前提。

再证两份额可还原。由异或的自反性,

A⊕B=R⊕(E⊕R)=EA\oplus B=R\oplus(E\oplus R)=E

因此该方案满足完备性:单独持有任一份额无法恢复秘密,同时持有两个份额则可确定恢复。

由此可区分两类安全假设。分存解决的是「单个份额失窃」;它并不自动解决「请求路径被劫持」。若主控已经失陷,且其余芯片仍将主控视为合法请求方并返回份额,则攻击者只需沿设备原有协议取齐材料,而无需对密文做密码分析。故设计要点不在于秘密是否被分割,而在于各份额是否具有独立于主控的授权条件——主控被劫持,不应导致其余芯片一并放行。

二、离线 PIN 搜索的时间含义与盐的作用

记六位十进制 PIN 的候选空间大小为 N=106N=10^{6}。若验证必须在设备上执行,则设备可对失败次数计数、引入等待,并在达到阈值后自毁,搜索在实践中不可行。一旦校验材料可被导出并在主机上重放,尝试次数不再受设备约束。此时安全性仅取决于候选规模 NN 与单次验证耗时 cc。

设 PIN 在候选集上均匀抽取,搜索按无重复顺序进行。正确口令排在第 1,…,N1,\ldots,N 位的概率相同,故期望尝试次数为

E[K]=N+12\mathbb{E}[K]=\frac{N+1}{2}

相应的期望耗时为 E[K] c=(N+1)c/2\mathbb{E}[K]\,c=(N+1)c/2。

正文报告的 1.8311.831 秒不能直接除以 NN。搜索在命中正确 PIN 后即终止,该时间对应的是已检查的前 kk 个候选,而非整个空间。设正确 PIN 在搜索序中的秩为 k∈{1,…,N}k\in\{1,\ldots,N\},则单次验证耗时为

c=1.831k 秒c=\frac{1.831}{k}\ \text{秒}

仅当 k=Nk=N 时,c≈1.8×10−6c\approx 1.8\times 10^{-6} 秒。对任意 k<Nk<N,cc 严格更大。因此 1.8 μs1.8\,\mu\mathrm{s} 是单次耗时的下界;穷举整个空间所需时间 Nc=1.831⋅N/kNc=1.831\cdot N/k 亦以 1.8311.831 秒为下界。

例:若从 000000000000 起顺序搜索且 PIN 为 123456123456,则 k=123457k=123457,c≈14.8 μsc\approx 14.8\,\mu\mathrm{s},扫完 NN 个候选约需 14.814.8 秒,期望耗时约 7.47.4 秒。具体数值随 kk 变化,但定性结论不变:一旦验证可离线且无次数限制,N=106N=10^{6} 的搜索空间在普通计算条件下即可穷尽。

最后讨论盐。盐使同一口令在不同设备上映射为不同的校验值,从而阻止预计算表在设备间复用。这一机制改变的是跨实例的摊销成本,并不扩大单台设备上的候选集:对给定设备,材料齐备后,搜索空间仍为 NN,单次验证成本仍为 cc。

结语

AI 接手了许多最累、最吃经验的分析与试错工作。追代码、对内存、定位问题、改工具,这些曾让人卡住的环节,如今可以更快地反复推进。研究者负责判断方向、验证结果,AI 则减少实现思路所需的时间与精力。攻击门槛的下降,正发生在这些具体环节中。

同样的能力也能用于防守,帮助我们更高效地审查代码、验证漏洞、检查供应链。理解 AI 如何接手这些工作,才能更清楚地判断风险,也更有针对性地改进防护。

常见问题

AI 可以辅助阅读固件源码、追踪参数在调用链中的传递、对应源码结构与内存数据,以及整理实验结果和修改测试工具。研究者仍需确定目标、约束和验证方法,并判断结果是否可靠。

本文讨论的路径并不是破解 AES 等加密算法,而是利用软件实现与授权边界的缺陷取得解密所需材料。AI 主要辅助代码和数据分析,不能据此认定其突破了现代加密算法。

芯片数量不是唯一标准。秘密分存需要与独立授权相配合;如果多颗芯片都无条件信任同一个已经失陷的主控,分存本身不能阻止材料被按原有流程取齐。

次数限制只有在验证经过设备时才能计数并生效。如果校验材料能被导出、验证过程又能在外部重现,尝试就不再经过设备。具体风险取决于设备是否允许材料导出,以及其校验方式和授权设计。

硬件钱包通常依赖芯片厂商提供的驱动和通信协议栈。共用组件中的漏洞可能影响多个产品,因此设备厂商需要审计集成后的整体行为,并协调上游修复、固件适配、测试和用户升级。

使用 OneKey 保护您的加密之旅

View details for 选购 OneKey选购 OneKey

选购 OneKey

全球最先进的硬件钱包。

View details for 下载 App下载 App

下载 App

只需邮箱, 即可快速开始全球资产交易。

View details for OneKey SifuOneKey Sifu

OneKey Sifu

即刻咨询,扫除疑虑。

继续阅读