Coldcard黑客向混币器转移64枚BTC和200枚ETH

区块链文库报道：

与Coldcard硬件钱包漏洞相关的被盗资金出现早期洗钱迹象

据区块链安全研究人员观察，与Coldcard硬件钱包漏洞相关的被盗资金已出现初步洗钱迹象，但大多数潜在跟风攻击者尚未大规模转移受害者的加密货币。CertiK表示，与该攻击相关的约64枚比特币（价值约417万美元）和200枚以太币（价值约38万美元）已被转入知名的混币服务——比特币通过Wasabi，以太币则通过Tornado Cash。

这起Coldcard事件迅速成为今年规模最大的加密货币黑客攻击之一。Galaxy Digital此前确认，在三次攻击波中，比特币损失至少达1亿美元，同时指出可能存在第四波攻击，总损失可能升至约1.3亿美元。

关键要点

CertiK称，约64枚与Coldcard漏洞相关的比特币被发送至Wasabi，200枚以太币被转入Tornado Cash。混币服务通常会将资金汇集并模糊链上关联，从而降低受害者追回资金的可能性。TRM Labs的追踪显示，大部分受害者资金仍集中在少数攻击者控制的地址中，混币活动有限。对多次攻击波中交易模式的分析表明，该漏洞可能涉及多个攻击者。

混币服务进入Coldcard洗钱环节

CertiK的区块链监控将特定转账活动与Coldcard漏洞关联起来，并描绘出部分资金流入隐私及混淆工具的过程。CertiK在报告中指出，来自地址bc1q0的比特币转账已于周二被发送至Wasabi混币协议。在以太坊方面，CertiK表示，200枚以太币已于周三被转入Tornado Cash，该观察基于其账户发布的社交媒体帖子。

像Tornado Cash这样的加密货币混币器，通过汇集多个用户的存款，再以打乱原始发送方与最终接收方之间直接链上追踪的方式释放资金。这一特性使得追踪更加困难，资产追回的可能性更低——尤其是当攻击者迅速行动，并将资金分散到多个地址和服务中时。

为何重要：洗钱势头与跟风行为

CertiK发言人表示，该活动可能与小规模攻击者有关，并补充道“最初漏洞发生后，可能出现了几个跟风者”。言下之意显而易见：如果其他方利用相同的漏洞，他们的链上活动可能会帮助或阻碍调查人员，具体取决于他们是否随之进行大规模洗钱。

这正是TRM Labs研究结果的重要性所在。在周四发布的题为“2026年最大硬件钱包漏洞：揭秘1.16亿美元Coldcard攻击”的报告中，TRM Labs表示其链上追踪显示，大部分受害者资金仍集中在少数攻击者控制的地址中，且混币尝试似乎有限。TRM Labs还强调，各次攻击波之间“交易构建方式的差异”表明存在多个攻击者。换句话说，即使底层漏洞相同，操作手法也可能不尽相同——这种不对称性对调查人员区分参与者身份、资金来源和洗钱路径具有重要价值。

Coldcard攻击规模与“攻击波”模式

Galaxy Digital此前根据已确认的活动，将Coldcard漏洞定性为2026年迄今为止第三大加密货币黑客攻击。据其评估，在三波已确认的攻击中，涉及7300个受害者钱包，比特币损失至少达1亿美元。Galaxy还指出，疑似第四波攻击可能使比特币总损失升至约1.3亿美元。

这些基于攻击波的研究结果影响着分析师对洗钱行为的解读。如果攻击者并未积极分散资金——或者仅部分被盗资产被转入混币器——那么时间维度就变得至关重要：调查人员可能仍在等待更广泛的后续行动，等待其他参与者或更多批次的被盗资金开始流动。

Galaxy早前的分析表明，至少有15个不同的攻击者利用了该漏洞。这与TRM Labs关于各攻击波之间交易构建差异的观点一致，进一步印证了看似单一事件，实际上可能是一次涉及不同参与者的协同（或至少是并行）行动。

漏洞背后的技术缺陷

TRM Labs的报告将部分漏洞归因于2021年3月的一个固件错误，该错误削弱了某些Coldcard钱包的种子随机性。据TRM Labs称，该错误有效将密钥强度从128位降至40位，使其“无需物理接触即可暴力破解”。

其他关于修复措施的评论强调了提升安全卫生习惯的低成本。Dragonfly管理合伙人Haseeb Qureshi写道，大约“花费2美元的人工智能加固”本可以防止Coldcard漏洞，他引用了社交媒体上关于某些人工智能模型迅速重新发现该漏洞的报告——但这些说法被定性为评论而非正式技术结论。

对于投资者和开发者而言，核心结论与其说关乎某个具体价格标签，不如说是一旦漏洞公开传播，其被武器化的速度有多快。当漏洞可被远程大规模利用时，应急响应不仅需要考虑直接攻击者，还要考虑长期存在的跟风攻击者。

未来展望

展望未来，读者应关注是否会有更多攻击者控制的地址开始将大量被盗资金推入混币服务，以及Galaxy确认的“疑似”第四波攻击是否会进一步发展。随着更多资金在链上移动或停滞，调查人员将获得更清晰的信号，从而判断参与者的数量以及他们成功破坏可追溯性的程度。