同時關聯該項目與事件的快訊
Bitcoin Core 開發者合併一項安全政策調整，針對可通過簡單的大語言模型（LLM）提示輕易發現或重新發現的漏洞，不再沿用此前的長期保密披露機制。新規則允許開發者在漏洞分級時將此類問題標記爲“易於發現”，隨後將修復方案回移至所有仍受支持的版本，並儘快通過小版本更新發布，同時附上安全公告及部分漏洞細節。此前，Bitcoin Core 會根據漏洞嚴重程度安排披露時間，中高危漏洞通常要等到受影響版本停止維護後才公開。此次調整源於 AI 工具降低了漏洞發現門檻：今年 7 月，一個由 16 名開發者組成的 Bitcoin Red Team 使用 AI 模型掃描約 390 個比特幣相關項目，在一天內記錄了 4962 項發現，其中 85 項被列爲嚴重問題。開發者指出，繼續延長此類漏洞的保密期已難以有效防止攻擊，反而會推遲修復版本的發佈；但新規則也意味着修復可能缺少更長的測試時間。目前尚無漏洞被正式標記爲符合新規則的“易於發現”類別。（CoinDesk）
據 Cointelegraph 報道，Bitcoin Core 開發者 Antoine Poinsot 週四在比特幣開發郵件列表中表示，大語言模型（LLM）已使部分軟件漏洞極易被重新發現，長期保密already意義有限，反而會推遲修復版本的發佈，因此團隊更新了漏洞披露政策。 新政策規定，通過簡單 LLM 提示等極少成本即可發現的"易發現"漏洞，將盡快在所有受維護的主要版本中修復，並同步發佈安全公告。其他漏洞仍按嚴重程度披露：低危漏洞在包含修復的主要版本發佈兩週後披露；中高危漏洞在最後一個受影響版本停止維護（EOL）兩週後披露，通常距修復發佈約一年；關鍵漏洞則需專門處理。
安全機構 CrowdStrike 發佈情報報告稱，一名身份不明的黑客在 9 月下旬至 10 月初期間，將大語言模型（LLM）與國產開源 AI 滲透測試工具 ARTEX 相結合，對韓國多家金融機構發動定向網絡攻擊並竊取數據。分析黑客暴露的開放目錄後發現，其採用以中國香港 IP 爲核心的雙服務器架構，並藉助 Claude Code、GLM-5.3、Grok 4.6 以及通過 API 代理接入的 DeepSeek v4.1-flash 等模型編排攻擊流程，還曾向 Claude 詢問如何在 Telegram 羣組中變現韓國泄露數據。據韓媒估算，韓國至少七家金融機構遭到攻擊，包括 KB 國民銀行、新韓銀行和韓亞銀行，約 68000 人的個人資料外泄，涉及年收入、貸款額度等敏感信息。
攻擊手法方面，該組織已轉向利用生成型 AI 製作高度仿真的虛擬資產與金融領域文檔，用於精準魚叉式釣魚攻擊，目標涵蓋加密貨幣錢包信息、Gmail 賬戶及網站註冊記錄等敏感數據。Genians 安全中心負責人文鍾鉉警告，隨着 AI 技術發展，社會工程攻擊將持續精細化，建議企業部署以行爲檢測爲核心的 EDR 威脅獵捕體系加以應對。
據 TechCrunch 報道，由英偉達主導發起的開放安全 AI 聯盟（OSAA）成立僅一週，成員企業已超過 120 家，涵蓋 Adobe、BlackRock、思科、英特爾、微軟、Visa 等科技與金融巨頭。聯盟在本週於拉斯維加斯舉行的 Black Hat 網絡安全大會期間，成立了名爲"共享 AI 發現交換"（SAFE）的工作組，並已提出多項公開徵求意見的提案，由 Linux 基金會負責管理。 提案內容涵蓋 AI 網絡安全事件的保密報告機制、受影響方告警流程及無責任歸因分析框架。與此同時，成員企業也在積極貢獻開源技術，英偉達開源了 LLM 漏洞掃描工具 Garak，亞馬遜貢獻了智能體構建工具 Strands Agents 及授權語言 Cedar，Okta 和紅帽分別推進智能體身份認證與治理技術。值得注意的是，Anthropic、OpenAI 及谷歌目前均未加入該聯盟，儘管 OpenAI 與谷歌曾聯署催生該聯盟的公開信。
加密交易平臺 Coinbase 在一篇技術分享中披露，其內部多智能體開發工具“Mux”正在重塑軟件工程工作流，使工程師角色從傳統的代碼實現者轉向 AI 智能體的任務編排者。隨着 Cursor、Copilot、OpenCode 及 Claude Code 等 AI 編程工具在內部全面普及，代碼生成效率顯著提升，但開發流程仍長期停留在“單任務、單分支、順序執行”的傳統模式，形成新的協同瓶頸。Mux 正是在這一背景下誕生的內部工具。該系統通過爲每個 AI 智能體分配獨立 git worktree、分支與終端環境，實現多任務並行開發與無衝突協作，使工程師能夠同時指揮多個智能體處理 API 開發、測試編寫、漏洞修復及代碼重構等任務。數據顯示，截至 2026 年 4 月，Mux 已在 Coinbase 內部覆蓋 600+用戶（含工程師、產品與設計人員），其中 335 人保持活躍使用，197 人爲高頻用戶，共推動在 461 個代碼倉庫、10 個組織中完成超過 5,000 個 PR 合併。使用 Mux 的工程師平均 PR 合併數量達到 39.6，是基線水平 11.4 的約 3.5 倍。Coinbase 表示，Mux 的成功依賴於其內部基礎設施能力，包括 LLM Gateway、安全模型接入以及代碼流部署系統，使多智能體工具能夠深度嵌入真實開發流程，這一趨勢標誌着軟件工程範式正在發生結構性變化：在 AI 降低代碼生成成本後，工程師核心價值正從“實現能力”轉向“問題定義與智能體編排能力”。
據 CoinDesk 報道，來自加州大學聖巴巴拉分校、加州大學聖地亞哥分校、區塊鏈安全公司 Fuzzland及 World Liberty Financial 的研究人員聯合發佈論文，警告稱"LLM 路由器"——即位於用戶與 AI 模型之間的中間服務——已成爲加密資產安全的重大隱患。研究人員發現，26個 LLM 路由器正在祕密注入惡意工具調用並竊取用戶憑證，其中一起事件導致客戶價值 50 萬美元的加密錢包被清空。 此外，研究人員通過"污染"路由器生態系統，在數小時內即可控制約 400 臺下遊主機。由於私鑰、API 憑證等敏感數據往往以明文形式經由這些路由器傳輸，用戶實際上在毫不知情的情況下將資產暴露於風險之中。 研究人員指出，隨着麥肯錫預測 AI 代理到 2030 年將中介 3 萬億至 5 萬億美元的全球消費商業，幣安創始人趙長鵬亦預測 AI 代理的支付量將是人類的百萬倍，當前基礎設施安全性嚴重滯後於行業發展速度，"最弱環節"風險或將引發系統性連鎖危機。
據 Cointelegraph 報道，加州大學研究人員近日披露，部分第三方 AI 大型語言模型（LLM）路由器存在安全風險，可能導致加密貨幣資產被盜。 研究顯示，LLM 路由器作爲 API 中介，能夠讀取明文信息，部分路由器被發現注入惡意代碼並竊取憑證。團隊測試了 28 個付費及 400 個免費路由器，發現有 9 個路由器主動注入惡意代碼，2 個部署規避觸發器，17 個訪問 Amazon Web Services 憑證，甚至有路由器通過研究人員的以太坊私鑰轉移 ETH。 研究指出，路由器的惡意行爲難以檢測，且部分 AI 代理框架的“YOLO 模式”可自動執行命令，增加安全風險。研究建議開發者不要讓私鑰或助記詞通過 AI 代理傳輸，並呼籲 AI 公司對響應進行加密簽名以加強安全。