比特币或许能抵御AI，但其用户正面临严峻风险_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！

比特币或许能抵御AI，但其用户正面临严峻风险

2026-11-14 04:05:00

迈克尔·塞勒认为：比特币的简洁性使其能够抵御人工智能辅助的攻击

迈克尔·塞勒（Michael Saylor）坚信，得益于其协议本身的简洁性与鲁棒性，比特币能够有效抵御人工智能带来的攻击。然而，他的论点更多地是在保护比特币的网络协议，而非比特币资产本身的安全。事实上，如果攻击者能够通过窃取私钥或欺骗托管方来获取资金，他们根本无需尝试破解SHA-256算法。

核心要点速览

迈克尔·塞勒认为，比特币协议的简洁性和强健性是其抵御人工智能攻击的关键。
人工智能无法绕过工作量证明（Proof of Work）所要求的计算能力和能源消耗。
钱包、交易所和私钥仍然是受人工智能辅助网络攻击的主要目标。
塞勒主张对比特币进行谨慎的演进，以避免引入新的安全漏洞。
尽管协议更新伴随风险，但量子威胁可能仍需要未来的适应性调整。

人工智能无法逾越工作量证明的成本壁垒

在2026年橙色峰会（Oranje Summit 2026）上，迈克尔·塞勒将比特币的计算能力描述为一道屏障，指出人工智能单靠“智能”无法跨越这一障碍。挖矿依赖于数十亿次的密码学尝试，而非解决一个可以通过更复杂推理来绕过的逻辑问题。

要重写区块链的一部分，黑客所需的计算能力必须与诚实网络相当。因此，以下几个要素有力地支持了塞勒的观点：

挖矿使用SHA-256密码函数；
每个区块都需要可验证的工作量证明；
目前已知没有捷径可以猜测出有效的哈希值；
修改旧的交易记录需要重新计算后续的所有区块；
节点会拒绝不符合规则的交易。

塞勒表示：“网络的设计对人工智能相关威胁具有极强的抵抗力。比特币本身非常稳固。”他将这种故意限制功能的架构与复杂的软件进行了对比，后者往往积累了更多的功能、依赖关系和权限。

人工智能确实可以优化代码、检测异常或帮助运营基础设施。然而，它并不能将针对工作量证明的攻击转化为零成本操作。要超越诚实的矿工，机器、能源和资本始终是必须部署的资源。

黑客将瞄准密钥，而非区块链本身

协议的强健性并不自动保护用户访问资金的场所。钱包、浏览器扩展程序、交易所和托管服务所依赖的软件，远比比特币本身复杂得多。

塞勒警告道：“世界上最脆弱的东西将是那些复杂且构建不良、用于移动资金的软件。”人工智能可以加速代码分析、自动化漏洞研究，并生成更具说服力的钓鱼攻击活动。

因此，攻击者无需伪造密码学签名。他们可以冒充企业高管、生成虚假的视频通话、入侵设备，或诱导用户泄露他们的助记词。使用被盗密钥生成的交易对于网络来说是完全有效的。

这一区别解释了为何平台被黑与比特币被黑是两回事。比特币文档提醒人们，最常见的漏洞涉及人为错误、钱包文件丢失以及私钥被盗。文档特别建议采用离线存储、硬件钱包和多签机制。塞勒还建议启用多因素认证和物理安全密钥。对于企业而言，他倡导采取更主动的方法：利用现有的最佳人工智能模型，在日常工作中测试自身系统，以便在黑客发现弱点之前予以修复。

因此，人工智能创造了不对称性。它不一定改变协议的保障，但降低了攻击中间环节的成本。比特币直接受到侵害的难度越大，黑客就越有动力去攻击持有比特币的那些人。

保守主义在某种程度上保护了比特币

基于上述观察，塞勒得出了一个颇具争议的结论：比特币不应盲目增加功能，也不应仓促采用后量子密码学。每次重大更新都会修改节点和钱包的软件，从而创造出新的攻击面，而这些攻击面往往尚未得到充分测试。

这一论点基于经典网络安全原则：简单的系统通常比由众多合约、桥接器和模块组成的程序包含更少的可利用路径。中本聪选择不将比特币转变为通用区块链的决定，因此成为一种防御优势。

然而，静止不动也伴随着风险。比特币使用的密码学并非永远不可侵犯。虽然目前的量子计算机尚无法破解其签名，但文档承认，足够强大的机器出现时将需要迁移到新算法。

因此，真正的问题不在于“变革”与“安全”的对立，而在于“时机”。过早的改变可能会引入即时漏洞，而延迟适应则可能在威胁变得可信时让比特币暴露无遗。

比特币对人工智能的抵抗力最终取决于两种速度：其基础层必须在经过彻底测试和广泛共识后缓慢演进；相反，其钱包、平台和托管方必须不断进行自我防御。只要协议保持完整，即使用户的资金流失，安全性博弈的核心战场也将位于此处。

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