币安CEO赵长鹏表示，AI加密黑客攻击的担忧被夸大_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

币安CEO赵长鹏表示，AI加密黑客攻击的担忧被夸大

2026-10-23 12:31:45

币安联合创始人赵长鹏（CZ）：人工智能辅助黑客攻击对加密货币网络的威胁被夸大

币安联合创始人赵长鹏（Changpeng Zhao， widely known as CZ）近期对日益增长的担忧进行了反驳。这种担忧认为，由人工智能辅助的黑客攻击对加密货币网络构成了巨大的危险。CZ 认为，鉴于互联网和传统银行业建立在密码学基础之上，而这些基础的强度往往弱于支撑大多数现代区块链的密码学基础，因此相关恐惧是被夸大的。

CZ 的核心论点

CZ 的核心立场是，应用于加密货币的威胁模型在严格程度上存在不一致。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使用的遗留加密标准——所依赖的安全假设并不比保护比特币及其他类似工作量证明（PoW）和权益证明（PoS）网络的椭圆曲线密码学和哈希函数更坚固；在许多情况下，这些传统系统甚至更为脆弱。

这一论点遵循比较逻辑：如果具备人工智能辅助能力的对手能够破解保护加密货币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、支付卡网络以及保护电子商务基础设施的身份验证层。这是因为这些系统承载着更大的总体价值，并且在历史上受到的研究界对抗性审查较少。

该声明未能证明的内容

CZ 的框架是对感知的反驳，而非技术审计。指出遗留银行基础设施具有相当或更高的理论暴露风险，并不意味着加密货币对增强型人工智能威胁免疫；它仅意味着威胁并非 uniquely（独特地）集中在加密货币领域。对于用户和协议如何校准其自身风险评估，这一区别至关重要。

此外，该主张并未解决去中心化金融（DeFi）特有的应用层漏洞问题：智能合约漏洞、预言机操纵和治理攻击并不能通过强大的链上密码学来消除。正如 Chainalysis 追踪的 Drift 利用案例所示，资金转移和协议利用通常涉及社会工程学、密钥管理不当或合约逻辑错误，而不是直接破解椭圆曲线密码学。

为何 CZ 将加密货币与互联网及银行安全进行比较

安全比较的基础

CZ 提出的比较基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，都是建立在数学难题之上的（如椭圆曲线离散对数问题和前像阻力）。这些问题在当前或近期的 AI 系统中，并不比支撑大多数互联网和银行身份验证流程的 RSA-2048 和 AES-128 标准更容易被破解。

CZ 的比较在量子威胁话语中最具说服力。美国国家标准与技术研究院（NIST）于 2024 年完成的后量子标准化进程，旨在针对加密货币和传统金融中使用的相同密码学原语。如果足够强大的量子计算机最终威胁到 secp256k1，它将同时威胁保护每个 HTTPS 银行会话的 TLS 握手。CZ 的观点是，将加密货币描述为独特脆弱的说法歪曲了底层风险的共享性质。

为何比较不等于安全保障

“银行也使用相同技术”的论点作为相对陈述是成立的，但作为绝对保证则不然。传统金融业受益于可逆性、监管后盾和欺诈恢复基础设施，而链上结算并不提供这些保障。成功攻击加密货币私钥会导致不可逆转的损失；而在银行环境中发生同类密码学失败时，通常会触发欺诈检测层并可能导致拒付。攻击面的比较是有效的，但后果的比较并不对称。

协议级安全性与密钥保管安全性也存在显著差异。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，但绝大多数加密货币用户的盗窃事件发生在保管层：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。AI 工具已经降低了生产极具说服力的钓鱼内容和深度伪造社会工程学内容的成本，这确实增加了攻击面，且无需破解任何密码学原语。

这场辩论对加密货币安全预期的意义

关键要点总结

CZ 认为，由于互联网和银行基础设施运行在相当或更弱的密码学基础上，因此由人工智能驱动的加密货币黑客攻击恐惧是不成比例的。
这种比较在协议密码学层面是有效的，但不延伸至 DeFi 特有的应用层风险，如智能合约漏洞和保管失败。
人工智能对加密货币的近期货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，后者在当前硬件下计算上仍不可行。

风险感知与实际事件

目前记录的大规模加密货币损失大多涉及私钥受损、内部人员访问权限滥用或智能合约逻辑错误，而非任何形式的密码学暴力破解。当今可用的人工智能能力显著加速了这些攻击的社会工程学部分，生产出更具说服力的鱼叉式钓鱼邮件和虚假支持互动，但这并未改变链上交易签名的底层数学安全性。

这一区分对于管理集中流动性头寸、治理多重签名（Multisig）和协议自有国库分配的 DeFi 协议而言，具有操作上的重要性。持有协议储备金的 Gnosis Safe 多重签名的威胁模型主要关注签名者的密钥卫生状况和治理流程完整性，而非保护签名本身的椭圆曲线数学。CZ 的框架在堆栈的一个层面上是正确的，但在大多数 DeFi 损失实际发生的层面上相关性较低。

读者应关注的后续发展

在人工智能和加密货币安全领域，更具影响力的近期货发展并非密码学突破，而是自主攻击工具的加速发展：例如能够大规模识别和探测易受攻击的智能合约部署的 AI 代理，或者自动化损害协议治理或运营安全所需的社会工程学步骤的工具。这些向量不需要击败 SHA-256；它们只需要人类操作员仍然参与密钥管理和治理决策的循环，而这正是 DeFi 协议最暴露的地方。

对于评估投资组合风险的用户而言，相关的问题不是人工智能能否破解比特币的密码学（这不是一个可信的近期货威胁），而是托管其资产的协议和保管方是否已加强其运营安全，以抵御因 AI 工具使执行成本更低、速度更快而变得猖獗的钓鱼、冒充和自动漏洞扫描。

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文