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。
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



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。

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。
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。

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。
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。
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。
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:
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] 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:
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:
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。
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。
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。)
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。
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。

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:
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。
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。)
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。
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 ,掩码 在 上均匀随机,且与 独立。定义两个份额
其中 表示按位异或。
先证单份额不泄漏 。对任意固定的秘密取值 与份额取值 ,
右端与 无关,故 的条件分布不依赖于 。换言之,观察 不改变关于 的任何信念。同理, 且 与 独立,故 亦不泄漏 。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,
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 。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 与单次验证耗时 。
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 位的概率相同,故期望尝试次数为
相应的期望耗时为 。
正文报告的 秒不能直接除以 。搜索在命中正确 PIN 后即终止,该时间对应的是已检查的前 个候选,而非整个空间。设正确 PIN 在搜索序中的秩为 ,则单次验证耗时为
仅当 时, 秒。对任意 , 严格更大。因此 是单次耗时的下界;穷举整个空间所需时间 亦以 秒为下界。
例:若从 起顺序搜索且 PIN 为 ,则 ,,扫完 个候选约需 秒,期望耗时约 秒。具体数值随 变化,但定性结论不变:一旦验证可离线且无次数限制, 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 ,单次验证成本仍为 。
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。






