北韓加密貨幣竊案加速，黑客採用 AI

北韓的加密貨幣竊案進入新階段：當局將另一宗涉款數十億美元的竊案歸咎於國家支持的黑客之際，調查人員正記錄其更廣泛採用 AI 的情況。10 月 31 日，FBI 指稱北韓的 TraderTraitor 活動從 Binance 竊取逾 60 億美元。另一方面，Microsoft 表示，北韓營運者正將 AI 用於研究、冒充身份、軟件開發及行動協調。

證據將既有的金融威脅，與日益易取得的自動化技術聯繫起來。但這並不足以證明由自主 AI 系統執行了 Binance 攻擊。這個分別至關重要，因為當前壓力落在批准存取權、核准交易，以及決定信任誰的人員和系統身上。

Bybit 提供了歷史參照。FBI 將其 2025 年 2 月遭竊一案歸因於同一活動標籤。逐漸浮現的衝突，是 AI 輔助準備工作與以人類判斷為本的驗證流程之間的較量。攻擊者可以改善招聘人員、同事或業務夥伴的呈現方式，而毋須改變其根本目標：接觸掌控重要存取權的人。

北韓加密貨幣竊案令 AI 採用情況備受關注

FBI 的 Binance 竊案歸因公告 指出，北韓須為 10 月 29 日的攻擊負責。該局將這項活動稱為 TraderTraitor，並描述其主要嘗試將被盜資產轉換為 Ethereum；Ethereum 是一個加密貨幣網絡及其相關資產。

這確立了官方歸因，亦促使即時的金融應對措施。然而，公告並未完整交代攻擊者最初如何進入 Binance 的系統，也沒有指明某個特定 AI 模型是導致入侵的原因。

已獲證實的發展，是更廣泛採用 AI 與另一宗大型、已被歸因的竊案同時出現；兩者之間的因果關係仍須事故證據支持。

Bloomberg 在 11 月 2 日的報道將北韓黑客描述為經驗豐富的營運者，在既有竊盜策略上加入 AI 技能。重要的分析問題在於，這些技能會在哪些環節改變行動的經濟效益。更快的準備、更可信的身份冒充，以及更迅速的軟件修訂，各自影響不同的防禦假設。

交易所毋須面對完全自主的攻擊者，這些改變已足以產生影響。人類營運者若使用 AI 準備具說服力的通訊內容，便能增加篩查流程的壓力。另一名營運者亦可利用類似協助，在接觸員工前理解陌生軟件。

這些是不同的優勢，調查人員應分別評估。AI 生成通訊內容的證據，並不能證明入侵軟件由 AI 生成。協助編碼的證據，也不能證明相關程式碼造成了竊案。

這個區分亦可避免調查走捷徑而得出誤導結論。一次迅速轉移資金的攻擊，可能反映準備工作早在可見的轉帳前很久已完成。最終轉移速度無法揭示哪些準備工作涉及 AI。

因此，對於關注 Binance 事件的讀者而言，歸因與機制值得分開看待。歸因處理的是調查人員相信誰執行了行動；機制則探究哪些存取權、權限、軟件及人為決定令事件得以發生。

過早將這兩個問題合併，會產生看似吸引但不完整的解釋。點名一個國家支持的組織，並不代表找出最初的失誤。將 AI 加入標題，也不能填補這個缺口。

較有用的理解是，已被證實的對手多了準備攻擊的方法。即使這些工具的確切貢獻仍未明朗，防禦負擔已經增加。

這項負擔不僅限於 Binance。任何採用面試、合作夥伴商討、共享開發工作或外部技術支援的機構，都會產生一些互動，而具說服力的身份可以影響相關的存取決定。

新聞價值正正在於這個交匯點。調查人員需要解釋一宗重大竊案，而安全研究人員則對北韓營運者的運作方式有愈來愈具體的觀察。

交易所先面對驗證問題，才是交易問題

歷史基準相當可觀。FBI 在其 Bybit 竊案歸因公告 中，指責北韓在 2025 年 2 月 21 日竊取約 15 億美元。

Chainalysis 其後估計，北韓黑客在 2025 年竊取了 20.2 億美元，儘管發動的攻擊次數較少。其 加密貨幣竊案分析 描述了一種模式：損失金額更高，且身份冒充手法更複雜，包括涉及加密貨幣企業內部人士的嘗試。

核心壓力落在受信任人士與重要權限之間的連繫。

加密貨幣交易所處理金融交易，但其安全亦取決於日常工作場所的決定。有人評估工作機會、接受會面、審閱儲存庫，或回覆合作夥伴。這些互動可以在資金轉移前很久便變得相關。

這導致價值所在與攻擊起點之間出現錯配。金融風險集中在託管及授權環節，最初的對話卻可在看似與兩者毫無關係的場景中發生。

被接觸洽談職位的開發人員，未必會視這段對話為公司金融防線的一部分。獲邀討論投資的企業高層，可能會將交流視為例行的關係建立。當這些情境讓人感覺彼此分隔時，攻擊者便可從中得益。

AI 輔助的欺騙，令核實身份與權限關係變得更重要。熟悉的術語可顯示某人理解某個領域，但不能證明該人代表其聲稱的僱主或合作夥伴。

同樣的區分也適用於技術能力。能提交看似合理程式碼的候選人，確實展示了其提交作品的某些能力。然而，單憑這種表現並不能核實其身份、工作經歷，或互動期間所提供軟件的安全性。

對交易所而言，由此產生的挑戰跨越部門界線。招聘、工程、財務及安全團隊各自只看到潛在入侵的不同部分。一個可信的說法可以在各部門之間流動，而沒有任何單一團隊能看見其完整演進。

這既是組織問題，也是技術問題。當責任轉移時若未保留最初授予存取權的原因，控制措施便會變弱。一個在早期對話中被接納的身份，可能會透過反覆熟悉而逐漸獲得權限。

這項分析亦適用於支援交易所的供應商。一家公司可以保護自己的員工，卻仍依賴外部開發人員、服務供應商或軟件維護人員。每段關係都增加一個必須把信任轉化為有限權限的環節。

這不代表每次外部接觸都應觸發緊急應變，而是意味外觀與存取權應繼續作為獨立決定。一場經過修飾的互動，不應悄然擴大陌生人可以提出的要求。

對北韓 AI 威脅而言，這是即時的商業後果。機構正面對一個能提升其接觸方式可信度、同時追求熟悉金融目標的對手。

因此，相關壓力可用營運層面衡量：哪些互動可以接觸敏感系統、誰可批准例外情況，以及這些例外是否仍然可見。

AI 壓縮準備時間，人類仍主導行動

Microsoft 在 10 月 29 日發布的 AI 採用評估 將北韓行動描述為由人類主導。報告指出，AI 用於目標研究、身份欺騙、軟件開發及重複性營運工作。

其中一個例子涉及 Jade Sleet。Microsoft 發現該組織在 2026 年 6 月 8 日至 12 日期間，透過三間空殼公司進行以求職為主題的目標攻擊。Microsoft 評估，生成式 AI 有助加快研究、度身訂造及接觸工作。生成式 AI 會按指令，根據已學習的模式產生內容。

AI 最清晰的貢獻，是壓縮多項以往需要營運者投入更多時間的準備工作。

這個機制之所以重要，是因為一次行動不僅包括最後的入侵。攻擊者需要一個可信的接觸理由、足以維持對話的背景知識，以及能通過初步檢查的材料。

對每項工作提供協助，便可減少它們之間的阻力。研究為身份設定提供資訊，身份塑造接觸方式，回應則揭示哪些細節需要修訂。人類營運者可以協調這個循環，同時將部分準備工作交由工具處理。

其效果不只是發送更多通用訊息。度身訂造的接觸方式會借用目標的專業背景，其可信度取決於細節如何彼此配合，包括所提議的職位、組織描述及預期的技術討論。

AI 不會令這些細節成真，但可協助令它們保持一致。這會把負擔轉移到對話本身以外的證據上。

軟件層面遵循類似邏輯。程式碼生成可協助營運者製作或修訂軟件，但生成的程式碼仍須評估。錯誤、環境差異及防禦控制措施仍然相關。

因此，生產力提升不應與必然成功混為一談。準備得更充分的接觸方式，不會自動帶來更多入侵成功案例。結果取決於遇到的控制措施，以及初步取得存取權後可用的權限。

Microsoft 與 Google 之間的比較在此很有用。Microsoft 對多個具名威脅組織的採用情況提供廣泛評估。Google 的 Mandiant 則提供較聚焦的事件調查，將於下文討論。這些觀點回答的是不同問題，而非競爭一個單一的決定性說法。

廣泛觀察可以顯示某種做法已超越孤立實驗。事件調查則可展示某次特定互動如何演變。單靠任何一種觀點，都不能衡量若沒有 AI 協助，原本會發生多少竊案。

由人類主導的發現亦帶來防禦層面的啟示。營運者仍會就目標、對象、升級及時機作出選擇。調查人員可以審視這些決定，而不是將攻擊視為不透明的機器流程。

對北韓加密貨幣竊案而言，實際改變在於能力。一個經驗豐富的團隊可以將協助應用於多項支援活動，同時不放棄對行動的控制。

即使沒有聲稱存在自主黑客攻擊，這仍具重要影響。原本按維持一場可信欺騙所需預期投入而設計的安全流程，現在正面對不同的準備環境。

一場假會議展示可信度如何轉化為存取權

Google 的 Mandiant 描述了一宗涉及 UNC1069 的入侵事件；該組織被評估為出於金錢動機，且極有可能與北韓有關聯。其 2 月 9 日的調查將一個遭入侵的 Telegram 帳戶、虛假的 Zoom 會議，以及惡意的疑難排解指示串連起來。

受害者表示曾看到疑似深偽影片，即被製作成仿似真實人物的合成媒體。Mandiant 無法取得可獨立驗證該特定影片曾使用 AI 的鑑證證據。

不過，其加密貨幣入侵調查記錄了更廣泛的事件過程：一次表面可信的互動，令受害者在所謂的音訊疑難排解期間執行指令。

決定性的失敗發生在社交可信度演變成改動受害者電腦的許可之時。

這一過程說明，AI 相關問題不能只停留在影片看起來是否逼真。攻擊者需要對話促成一項行動；所謂的會議問題，正為該行動提供了理由。

這個區別對分析相當重要，因為每個階段都有不同的證據基礎。調查人員可以復原惡意指令，卻未必能復原之前的媒體內容；他們可以確認遭入侵，同時仍無法確定所使用的冒充技術。

審慎的敘述應保留這兩項發現。入侵透過一段有紀錄的互動發生；而據報出現的合成影片，仍是一項較狹窄、且存在已承認驗證缺口的說法。

此情境亦揭示為何職場脈絡重要。會議會帶來合作的預期；當某些環節失靈時，參與者往往會嘗試即時解決問題，讓原定對話得以繼續。

攻擊者可以利用這種預期，而毋須提出明顯涉及金錢的要求。受害者以為任務關乎溝通；但電腦卻經歷了一項會帶來安全後果的變更。

這正是身分欺騙與資產風險之間的連繫。一個人毋須直接掌管資金，亦可能持有有用資訊或存取權限。入侵一段專業關係，可以創造超出初始裝置範圍的機會。

這種可能性應維持為分析推論，而非套用到每一宗事件的斷言。最終影響取決於遭入侵環境所包含的內容，以及尚餘多少額外防線。

此案與開發人員、投資者及知識工作者有關，因為他們的日常工作涉及與陌生人交換資訊。技術素養和商業熟悉度對協作而言必不可少，但兩者都不能獨立驗證對方身分。

對於整理事件調查結果的團隊而言，一個可搜尋的工程知識庫能保留觀察結果、假設與未解問題之間的區別。

這類文件有明確用途：有助避免某個早期解釋，僅因在內部討論中反覆出現便被當成既定事實。

此事件更廣泛的啟示，在於發生轉變的關鍵點：一段對話變成了要求存取電腦的請求。AI 可能加強了呈現效果，而權限變更則帶來實際的操作後果。

將這些元素分開看待，能令報道及防禦檢討都更精準。

快速轉移並不等於自主駭客攻擊

TRM Labs 估計，Binance 攻擊者在十條區塊鏈之間轉移了約 63.6 億美元，其中大部分轉移在約 20 分鐘內完成。區塊鏈是一種記錄交易的共享帳本。

其 Binance 攻擊分析指向簽署基建遭入侵。簽署基建是指利用加密憑證授權交易的系統。

TRM 亦描述了事前準備及協調轉移。其評估相當重要，但仍屬具歸屬的技術分析，而非 Binance 提供的完整公開交代。

執行速度顯示緊迫性；它並不能證明 AI 作出了哪些決策或執行了哪些技術步驟。

這是此報道的核心懷疑角度。自動化、事前規劃及 AI 輔助可以重疊，但它們是不同的解釋。在將因果責任歸於某工具之前，調查人員需要證據將該工具與具體任務連結起來。

預先準備好的交易序列可以快速執行，因為困難的存取工作可能早已完成。相反，即使最終轉移使用傳統自動化，AI 輔助仍可能在研究階段發揮作用。

這兩種可能性都挑戰了對可見時間線的簡單解讀。資金移動所經過的時間，量度的是盜竊的執行階段，而不是整個行動。

同樣的審慎原則亦適用於歸屬標籤。TraderTraitor、Jade Sleet 和 UNC1069 來自不同的研究及調查系統。某一已命名活動的發現，並不會自動證明每一名北韓行動者都有相同行為。

若將這些區別混為一談，北韓 AI 威脅的討論就會變得較無用。共同的國家關聯，並不代表人員、基建、目標或技術成熟度相同。

財務數字亦需要同等謹慎。已轉移的價值、已凍結的價值、已追回的價值，以及攻擊者最終可使用的收益，分別描述不同階段；不應成為可互換的成功指標。

被凍結的資產可以仍然無法使用，卻未必已交還原本擁有人。調查人員追蹤資產期間，其市值亦可能改變。因此，公開估算需要附上日期，並清楚說明所量度的是甚麼。

這些區別亦限制了有關武器資助的說法。盜竊歸屬可以證明與北韓活動存在關連；要追蹤某項被盜資產最終如何流向國家開支，則需要額外證據。

即使不為每筆轉移指定一個缺乏支持的資金用途，國家安全憂慮仍然嚴重。精準性會強化敘述，因為它清楚指出當局知道甚麼，以及甚麼仍在調查中。

對北韓加密貨幣劫案而言，證據支持度最高的判斷屬於操作層面：攻擊者正採用 AI 輔助，同時繼續利用信任與授權方面的弱點。

尚未解決的問題是規模。公開證據目前仍無法分離出 AI 在 Binance 事件中造成了多少額外損失。

這種不確定性應引導下一階段的報道。有用的調查會透過證據，將準備、存取、授權及資金流動串連起來，而不是以最終轉移速度來解釋一切。

下一批證據必須將 AI 使用與結果連結起來

此故事的下一階段應聚焦於事件調查結果、防禦回應及財務阻截。在未來數月，這些訊號將顯示目前的詮釋是否站得住腳。

最有價值的更新，將把一項具體的 AI 輔助任務與一項具體的操作結果連結起來。

首先，留意有關 Binance 遭入侵的詳細交代。一項公開調查若能識別初始存取途徑及授權失敗之處，將可釐清行動在哪個環節得逞。

若有證據將 AI 生成材料或輔助軟件與該途徑連結，便會加強 AI 作出實質貢獻的論點。若調查結果集中於無關的失敗，則會縮窄此事件中的相關論點。

無論結果如何，理解都會有所改善。目標是取得更好的解釋，而非確認最初最戲劇性的敘事。

其次，留意研究人員是否記錄到針對身分及存取控制的重複成功案例。僅有更多度身訂造的接觸例子，已可證明相關活動持續；顯示機構如何偵測或遏止這些方法的證據，則可進一步揭示防禦成效。

嘗試欺騙與成功取得存取權之間的區別至關重要。觀察到的嘗試增加，可能反映攻擊者活動增加、偵測能力改善，或兩者兼有。在聲稱成功率有變之前，研究人員需要分母數據及一致的定義。

此訊號亦與供應商的說法有關。安全產品可以識別可疑內容，卻未必能阻止造成後果的權限變更。買家除了偵測示範外，亦需要有關遏止及存取決策的證據。

第三，留意 Binance 調查的財務結果。能夠區分已追蹤、已凍結、已追回及仍可存取資產的更新，將顯示回應措施在多大程度上限制了攻擊者。

若成功阻截，便會削弱「大規模初始盜竊必然帶來同等財務收益」的假設。若資產仍在調查人員觸及範圍以外持續流動，則會加強人們對偵測與介入之間缺口的憂慮。

這些訊號應維持上述次序。入侵過程解釋失敗原因；重複觀察檢驗該機制能否普遍適用；財務結果則確定當局及業界參與者能限制多少損害。

對一般 AI 用戶而言，其關聯超越持有加密貨幣。專業溝通如今包含愈來愈多內容，其精緻程度幾乎無法證明來源。互動的質素與其請求的合法性，需要分開評估。

開發人員在招聘及協作時面對這個區別；商業團隊在介紹及合作夥伴討論時亦然；安全主管則會在決定哪些熟悉活動值得加強驗證時面對同一問題。

適當的回應，應從最接近具後果決定的證據開始。誰提出存取請求？甚麼獨立證據可證明其權限？哪一項行動改變了機構所面對的風險？

追蹤北韓加密貨幣劫案時，請從下一份調查中尋找這些連繫。問一問所聲稱的 AI 能力，是否能解釋一個已有紀錄的步驟，以及該步驟是否改變了結果。將官方歸屬與對自主性的假設分開。比較追回數字時，使用其所述定義及日期。在你的機構內，讓安全、招聘及工程團隊就陌生請求展開同一場討論。保留存取決策背後的理據，讓日後審查者能重構過程。有用的問題很具體：當一個表面可信的人要求他人更改裝置、分享資訊或授權交易時，甚麼證據令該請求值得信任？