同時關聯該項目與事件的快訊
據 Cointelegraph 報道，以太坊研究員 Justin Drake 發出警告，稱 AI 技術的快速進步可能加速對橢圓曲線數字簽名算法（ECDSA）的數學攻擊，最壞情況下或在數月內破解現有加密體系，並呼籲行業啓動"掩體模式"——將資產遷移至未曾暴露公鑰的新地址以降低風險。 對此，多位業內人士持保留態度。Coinbase 首席密碼學家 Yehuda Lindell 表示，目前"沒有任何證據"顯示 ECDSA 的數學假設遭到削弱；硬件錢包 Trezor 比特幣分析師 Lucien Bourdon 亦指出，遷移資產可能弄巧成拙，反而爲騙局提供可乘之機。MetaMask 創始人 Taylor Monahan 更直言，若橢圓曲線加密真的被攻破，"整個世界都將歸零"，掩體模式無濟於事。 目前，以太坊已制定基於哈希簽名與 ZK 證明的後量子路線圖，Solana、NEAR 等公鏈也在探索各自的量子安全方案，但均尚無明確落地時間表。
Dragonfly 管理合夥人 Haseeb Qureshi 表示，以太坊研究員 Justin Drake 提出的“地堡模式”（bunker mode）應對 AI 破解加密簽名風險的方案屬於“密碼學末日主義”（cryptographic doomerism），並認爲將代幣遷移至新地址並非真正解決方案。Qureshi 表示，“地堡模式”只能保護用戶未從新地址轉出的資產，如果其他地址中的代幣遭到攻擊並被大量拋售，這些資產仍可能失去價值。他建議區塊鏈網絡採用“密碼學恢復模式”（Cryptographic Recovery Mode），通過基於哈希的備用簽名方案，讓用戶提前綁定恢復機制，在加密簽名被破解後由驗證者協助恢復資產。此前，以太坊研究員 Justin Drake 警告稱，隨着 AI 數學能力快速提升，保護加密錢包的 ECDSA 簽名算法可能面臨在“數月而非數年”內被破解的風險，並建議用戶逐步將資金遷移至未暴露公鑰的新錢包。Glassnode 數據顯示，目前約 626 萬枚 BTC 位於存在潛在風險的地址中。（Cointelegraph）
隨着加密行業討論用戶是否需要在 AI 或量子計算技術暴露錢包私鑰前進入“地堡模式”（bunker mode），託管機構面臨着更復雜的挑戰：如何在緊急遷移發生前升級密鑰管理、審批和審計系統。Project Eleven CEO Alex Pruden 表示，機構在區塊鏈之外已經開始爲後量子遷移做準備，而不同區塊鏈未來可能採用不同的抗量子簽名方案和遷移路徑，持有多類資產的機構將面臨同時適配多種加密體系的挑戰。Quantus 聯合創始人兼 CEO Christopher Smith 表示，AI 正在加速量子硬件和軟件的發展，量子攻擊的尾部風險應被納入投資組合決策，這是機構的受託責任。目前，量子計算機破解比特幣、以太坊現有公鑰密碼體系的時間仍無法確定，但行業正逐步將未來幾年視爲建立遷移方案的窗口期，而非等待攻擊發生後再應急處理。（CoinDesk）
據區塊鏈安全公司 Blockaid 監測，Flow EVM 上的 More Markets（More Labs）遭遇漏洞利用。攻擊者利用 Ankr 綁定型流動性質押代幣與 E-Mode 機制，抽空 More Markets 的 WFLOW 借貸儲備，並從 mFlowWFLOW 儲備中轉出約 1550 萬枚 WFLOW。檢測到的影響金額約爲 930 萬美元，相關攻擊交易集羣還包含漏洞利用後的資金轉移操作。目前，事件具體損失及攻擊者資金去向仍在進一步確認中。
硬件錢包廠商 Coldcard 發佈新版固件，針對此前曝光的種子生成攻擊問題進行修復。此次更新版本爲 Mk4/Mk5 的 5.6.1 版本，以及 Q 系列的 1.5.1Q 版本。Coldcard 表示，自 7 月 31 日發佈熱修復以來，公司已持續進行三週安全審查，並再次向因種子生成攻擊遭受重大資金損失的用戶表示歉意。新版固件對錢包種子生成機制進行了強化。所有新生成種子均要求用戶提供至少一種外部隨機熵來源，包括：- 至少 65 次不可預測時間間隔的按鍵輸入；- 50 次實體骰子投擲；- 128 次實體硬幣拋擲。此外，新固件還增加了簽名前的分階段 PSBT 驗證機制，加強 USB 通信和固件更新安全邊界，改進 Delta Mode 隔離機制，修復活躍錢包備份問題，並優化隨機數初始化、故障檢測以及 SIGHASH 默認設置等多項安全功能。Coldcard 強調，固件升級無法修復此前受影響固件生成的錢包種子。如果用戶的錢包種子屬於受影響範圍，應先升級設備、生成並驗證新種子，然後轉移資金。建議所有 Mk4、Mk5 和 Q 系列用戶及時更新，並驗證下載的固件簽名，以確保固件來源安全。
Anthropic 宣佈其 Opus 5 模型在瀏覽器智能體場景中幾乎免疫提示詞注入攻擊。在 129 個測試場景中，攻擊成功率爲零；在 Gray Swan 通用提示詞注入測試中，15 次嘗試後的成功率從 Opus 4.8 的 5.5% 降至 2.0%。零成功率僅在 Claude Cowork 等產品開啓 Auto Mode 時實現，該模式疊加了輸入掃描與執行攔截兩層防禦。提示詞注入被視爲 AI 智能體面臨的最大安全隱患之一，此次改進或標誌着該問題在特定場景下得到有效緩解。