今年6月,Coinbase表示已获得Anthropic受限模型Mythos的使用权限,Zcash创始人Zooko Wilcox称Anthropic应Shielded Labs请求,利用Mythos协助审计Zcash协议。然而,包括Binance在内的其他大型企业公开表示未能获得类似权限——这凸显了行业中新出现的“安全鸿沟”。
大型加密企业对Anthropic的Mythos等受限前沿网络模型的获取机会不均,导致部分企业的防御工具少于其他企业。高管们认为,初期限制先进模型是必要的,因为攻击者可能比防御者更快掌握新能力。随着公开模型缩小能力差距,行业压力可能促使防御者获得更广泛的受限工具访问权限。近期涉及AI辅助攻击及钱包/桥接安全的事件表明,为何加快防御迭代变得至关重要。
Anthropic的Mythos被定位为某模型的受限版本,该模型也与更公开的版本相关——其开发者表示底层基础相似,但Mythos移除了部分限制敏感网络安全工作的防护措施。OpenAI也描述了类似的方法,根据用户类型和预期用途提供不同能力层级,包括为已验证的防御者提供“网络安全可信访问”。
Binance首席安全官Jimmy Su向Cointelegraph表示,这种差距仍然显著。据Su称,Binance一直在努力获取此类工具,包括与其他加密交易所和投资者进行对话,但尚未获得像Mythos这样的最先进模型。
这种不均衡的推广之所以重要,是因为网络威胁形势比传统安全审查周期变化更快。在漏洞可能被快速利用的生态系统中(通常借助自动化或半自动化辅助),防御选择更少意味着发现和修补漏洞的速度更慢。
Cointelegraph采访的加密安全高管表示,初期限制前沿网络模型的访问很可能存在合理需求。理由很简单:如果新模型增强攻击者的速度超过防御者,便可能在安全社区赶上之前增加生态系统的风险敞口。
Su认为,控制发布范围可以缩小“爆炸半径”,尤其是在初期。然而,他也指出,随着竞争模型变得更强大、更广泛可用,这种理由会发生变化。在这种情况下,压力转向模型开发者以扩大访问权限——关键问题在于防御者能否以与攻击者相同的速度有效使用这些工具。
Solana基金会首席信息安全官Michael Coates呼应了这一矛盾。Coates支持安全防护措施,但表示验证和接受路径可能拖慢合法的防御性使用。在他看来,防御者需要更简化的流程,以便在代码被利用之前,让能够评估代码并识别问题的团队获得先进模型。
Blockchain Capital的Sean Cheetham也倾向于最终开放。他认为,尽管恶意行为者技术高超,但更广泛的安全研究人员群体通常更大。如果“好人”能够扩大防御工作,更广泛的访问权限最终可能比帮助攻击者更能增强生态系统。
Binance的访问情况因其规模而引人注目:Cointelegraph引用的DefiLlama数据显示,Binance总资产达1378亿美元。尽管规模如此庞大,Su表示该交易所尚未达到前沿网络模型访问的最高层级。
Cointelegraph还报道了该行业内部获取权限的阶段性信号。大型加密托管机构Fireblocks在4月表示已寻求Mythos的访问权限。当时,它依赖Anthropic的公开模型进行渗透测试,而非受限访问。Uniswap创始人Hayden Adams也批评了与Fable 5相关的网络安全提示所附带的防护措施。
此外,以太坊基金会在7月表示,其一直在运行“协调的AI代理”以查找系统漏洞,但未说明具体使用的模型。Cointelegraph联系了以太坊基金会、Fireblocks和Uniswap,以确认自早期声明以来他们是否已获得受限前沿模型的访问权限。
尽管许多加密企业似乎仍在等待,但部分加密相关组织已先行一步。为银行提供技术并去年与Circle合作推出USDC支付的FIS表示,其于上月加入Anthropic的Project Glasswing计划。该计划旨在为经过验证的网络防御者和关键软件基础设施组织提供获取受限Mythos模型的早期通道。以漏洞奖励和安全测试闻名的HackerOne也表示已加入Project Glasswing。Cointelegraph指出,在此案例中,测试仅限于HackerOne自身的基础设施,而非扩展到客户项目。
Cointelegraph联系了OpenAI和Anthropic,询问有多少加密公司已获准访问受限模型,但这些回复未包含在提供的文章文本中。
这场访问权限之争的背景是安全事件频发,组织将其归因于更快的攻击利用周期。周一,比特币兑换服务Boltz表示,在观察到过去几个月AI辅助黑客攻击尝试稳步增加后,已暂停其非托管桥接。据Cointelegraph报道,Boltz的声明认为,攻击者比小型安全团队能够更快地迭代并发现漏洞进行修补。
硬件钱包制造商Coinkite上周报告称,其部分Coldcard设备因钱包种子生成缺陷而被利用。Coinkite表示种子生成的随机性低于预期,并推测攻击者可能使用了AI检查之前固件版本以识别并利用该弱点——尽管该公司称仅在数周前使用了“当时可用的最佳AI模型之一”审查其代码。
这些例子凸显了一个关键实际问题:即使防御者使用先进工具,节奏不匹配(攻击者适应的速度与防御者验证修复的速度)仍可能决定结果。获取受限模型可能只是答案的一部分;流程、测试严谨性和部署速度对于降低现实风险仍然至关重要。
接下来,读者应关注前沿模型提供商是否将防御者访问权限扩大到当前有限的渠道之外,以及安全团队能否证明更广泛的可用性能够改善结果而非加速攻击。谁能够使用最强大的工具进行测试,以及他们能够多快地修补漏洞——这种差距可能成为加密安全领域最具定义性的操作断层之一。