AI 正在把加密行业的漏洞挖掘和利用门槛迅速压低。Guillemet 表示，攻击者已开始借助 AI 更快、也更低成本地发现系统弱点，过去需要资深安全专家花数月才能找出的代码问题，现在可通过 AI 工具在几秒内识别。他直言，当前“识别并���用系统缺陷已经变得极其容易”。
近期攻击案例接连出现
过去几周的一系列事件，已经把这种担忧摆到台前。本周，Solana 生态中的 DeFi 协议 Drift 出现重大漏洞，约 2.85 亿美元数字资产被利用转走；上周，收益协议 Resolv 的损失估计为 2500 万美元。DefiLlama 数据显示，过去一年里，因网络攻击或系统漏洞暴露而损失的数字资产总额已达到 14 亿美元。
AI 编码工具也在放大安全压力
Guillemet 认为，安全的基本逻辑本应是：攻破一个系统的难度和成本，必须远高于可能获得的回报。可在 AI 被引入开发和攻击流程后，这种平衡正被削弱。开发者对 AI 辅助编程工具的依赖持续上升，新漏洞出现和扩散的速度也在加快。问题不小。他还指出，并不存在一个“按下就安全”的按钮，行业很可能会面对大量“在设计上就不安全”的代码输出。
传统审计存在边界，形式化验证被点名
在他看来，加密行业需要重新审视安全方案本身。传��审计方法并非无效，但在环境持续复杂化后，其边界也越来越明显。相较之下，通过数学方法正式证明代码正确性的形式化验证，可能比经典审计更能抵御漏洞风险。
硬件层面的防护同样关键。硬件钱包能够将私钥与互联网隔离，减少在线攻击面的暴露，这类方案仍被视为重要保护层。
恶意软件开始直指私钥与移动设备
攻击方式也在变化。文中提到，恶意软件如今已常态化瞄准被入侵移动设备中的数字钱包密钥，有时甚至不需要用户进行任何操作，就能转移资产。这说明，随着 AI 和自动化工具变得更易获取，攻击手法也在同步升级。
Guillemet 提醒普通用户，不应默认正在使用的系统天然安全，“更稳妥的做法，是假定你所使用的大多数系统都无法被完全信任。”他提到，冷存储、更强的身份验证流程，以及让敏感数据保持离线，可能会被更多加密资产持有者采用；但只靠软件仍不够，安全准备还需要同时覆盖数字威胁与现实世界风险。