资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
以太坊研究员贾斯汀·德雷克呼吁行业进入“掩体模式”，建议用户逐步转移资金至新钱包地址
以太坊研究员贾斯汀·德雷克（Justin Drake）正敦促加密货币行业开始规划一种他称为“掩体模式”的情景，并建议用户逐步将资金转移到全新的钱包地址。他的警告基于人工智能和高级数学问题解决能力的最新进展，他认为这些进展可能会缩短破解椭圆曲线数字签名算法（ECDSA）的时间线，而该算法被广泛用于保护许多加密货币钱包的安全。
周三在X平台（原Twitter）上的一篇帖子中，德雷克指出人工智能的进步——特别是OpenAI所强调的工作成果——是考虑ECDSA是否比许多人假设的更早受到威胁的一个理由，在最坏的情况下，这一时间可能从“数年缩短至数月”。与其等待完全实现的量子计算突破，他建议为可能通过其他途径更早到来的密码学威胁做好准备。
核心要点
- 德雷克认为，近期与人工智能相关的数学进展使得谨慎考虑ECDSA安全性可能比预期更快退化成为必要。
- 他推荐进行“受控”迁移至新钱包地址，而非一次性全部移动。
- 新地址可以通过将公钥隐藏在密码学哈希之后来降低暴露风险，直到交易再次揭示它们为止。
- 大型、复杂的持有者应优先转移资金，随后在签署交易后处理剩余的小额余额。
- 德雷克警告称，仓促的迁移可能会产生额外的操作风险，“弊大于利”。
为何德雷克推动“掩体模式”
德雷克的核心担忧在于，人工智能最终可能使攻击者能够从暴露的公钥中恢复私钥。在他的框架下，实际影响将早于许多讨论中与量子计算时间表相关联的时间点——因为相关的密码学弱点可能在不需要等待足够强大的量子机器的情况下实现。
他明确表示，“有理由为ECDSA在‘量子日’之前崩溃的可能性做准备”，并补充说在最坏的情况下，时间框架可能是“以月计而非以年计”。对用户而言，这种差异至关重要：它意味着防御措施应立即考虑，而不是等到量子能力变得不可避免时才行动。
德雷克还强调了长期依赖关于数学直觉的固有假设已变得多么困难。“最近几天对人类数学直觉来说是谦卑的一课。长期存在且未经质疑的假设已经崩塌，”他写道，并将这一更广泛的主题与他相信可能对密码学产生影响的突破联系起来。
OpenAI的数学进展作为信号
德雷克论点的关键部分指向了似乎加速数学研究的人工智能系统的发展。在一篇引用OpenAI工作的帖子中，他引用了该公司关于分享数学领域AI进展的报告，该报告描述了包括代数、理论计算机科学和数学逻辑在内的领域中数百项新的数学发现。
OpenAI的总结将此描述为近期AI在辅助方面取得的有意义飞跃。德雷克进一步提到了上个月OpenAI的另一项更新，即使用大规模自主AI智能体团队解决纳维-斯托克斯方程（Navier–Stokes equation），OpenAI称其在88小时内完成，这是一个旨在展示解决难题的速度和规模的例子。
在德雷克看来，这些进展表明，密码学假设应针对“新数学（而不仅仅是新硬件）可能改变时间表”的可能性进行压力测试。他还认为，椭圆曲线可能特别容易受到“花哨技巧”的攻击，指出曲线携带的结构化代数性质可能被利用，而哈希则是为了最小化此类结构而设计的。
防御性举措：更换地址
德雷克的提议并非立即放弃现有密码学，而是一种实际的缓解措施：开始将资金转移到新地址。“我个人的建议是启动资产向新地址的大规模受控迁移，”他写道。
他的方法包括一个分阶段的计划。他建议大型且更成熟的持有者率先行动。他还建议用户在签署交易后将任何剩余资金转移到新地址。这一区分很重要，因为德雷克的推理集中在公钥的暴露上。
根据德雷克的说法，某些类型的地址可以将公钥有效地隐藏在密码学哈希后面。这很重要，因为从公钥恢复私钥的攻击通常需要知道公钥。然而，当交易被签署时，公钥可能会变得可见。因此，他认为用户应避免将余额留在其公钥已经暴露的地址上。
同时，德雷克强调迁移必须是渐进且仔细管理的。他警告称，“仓促的迁移会弊大于利”，这意味着如果处理不当，操作错误、协调问题或可避免的交易成本可能会超过收益。
超越单个钱包或单一链的意义
尽管德雷克的评论侧重于ECDSA和地址级别的缓解措施，但其更广泛的含义是关于加密货币应对不断变化的密码学风险的响应速度。许多安全讨论强调由量子驱动的风险需要很长的准备时间；德雷克实际上是在敦促社区也为由数学和AI推理进步带来的早期失效模式制定计划。
对于市场参与者来说，这种指导转化为执行的问题：大型持有者、机构和普通用户如何在不引入新错误的情况下减少密码学暴露？德雷克对受控迁移的强调反映了这种紧张关系——只有当安全措施能够安全且一致地实施时，它们才是有用的。
读者应关注钱包提供商、托管公司和开发人员是否将此类地址轮换指导纳入最佳实践，以及是否有更多的技术分析阐明“以月计而非以年计”对现实世界钱包设计和威胁模型意味着什么。
