Binance錢包上半年攔截5.4億美元潛在損失
據Binance官方披露,2026年上半年,Binance Wallet安全中心幫助用戶避免約5.4億美元潛在損失,並從垃圾轉賬、惡意交易及授權等多個環節進行實時風險攔截。該安全中心於今年2月3日正式上線。
數據顯示,上半年該安全中心過濾約2.06億筆垃圾轉賬,覆蓋260萬用戶;識別約493萬筆高風險交易,覆蓋19條區塊鏈;同時發現約99.6萬筆惡意授權。
Binance表示,攻擊者正藉助AI批量生成惡意代碼、釣魚網站及虛假身份,使新型惡意實體數量環比接近增長3倍,攻擊模式也從"大規模撒網"轉向更精準的定向欺詐;AI技術的應用已將攻擊者製作虛假網站、深度僞造視頻及惡意腳本的成本壓低至接近於零。
Binance稱,其安全系統已開始利用AI分析代幣和網站的行爲邏輯及風險意圖,並重點識別"只能買不能賣"、隱藏後門等新型攻擊手法;該安全中心支持採用多方計算(MPC)技術的Binance無密鑰錢包,也覆蓋通過助記詞或私鑰導入的錢包,用戶可在同一界面內撤銷惡意授權、過濾可疑交易並管理登錄設備。
報道提到,安全公司慢霧(SlowMist)已於今年2月對該安全系統的設計與實現進行審計驗證;Binance建議用戶仍應在簽名交易前確認具體操作內容,並定期通過Binance Wallet安全中心掃描風險授權及資產。
另據Binance此前披露的更大範圍安全報告,2025年第一季度至2026年第二季度期間,其AI驅動的安全系統累計幫助用戶避免約105.3億美元潛在損失,其中僅2026年第一季度就從2290萬次詐騙及釣魚企圖中攔截約19.8億美元潛在損失,追回資金約1280萬美元(涉及4.8萬起案件),沒收非法資金約1.31億美元;目前AI驅動的決策機制已覆蓋57%的反欺詐風控環節,推動信用卡欺詐率下降60%至70%。
來源：公開信息
ABAB AI 解讀
Binance在安全防護上的投入並非新近纔開始——該平臺此前已披露過跨越2025年第一季度至2026年第二季度、總計避免約105.3億美元潛在損失的更大範圍安全成果,並持續通過約二十餘項AI驅動的安全功能覆蓋計算機視覺識別虛假支付憑證、實時語言分析識別惡意P2P交易模式等場景;此次專門披露Binance Wallet安全中心上半年5.4億美元的攔截成果,是該平臺安全體系建設從"交易所層面反欺詐"向"錢包終端層面主動防禦"延伸的最新一步。
從攻防雙方的成本結構看,AI技術正在同時降低攻防兩端的邊際成本——攻擊者藉助AI將虛假網站、深度僞造視頻及惡意腳本的製作成本壓低至接近於零,這也是惡意實體數量環比激增近3倍的直接原因;而Binance同樣藉助AI分析代幣和網站的行爲邏輯,試圖用同等量級的技術槓桿對沖攻擊規模的爆炸式增長,這場圍繞AI展開的"軍備競賽",客觀上推高了整個加密行業維持基礎安全水位所需的技術投入門檻,中小型交易平臺和錢包廠商如果無法匹配這一投入強度,風險敞口將被進一步放大。
這與傳統金融行業信用卡反欺詐體系從規則引擎向機器學習模型演進的歷史路徑高度相似——銀行業早年同樣經歷過"欺詐規則被攻破後被迫引入行爲分析和AI建模"的升級過程,而Binance披露的"信用卡欺詐率下降60%至70%"這一數據,某種程度上也是在借用傳統金融反欺詐體系的成熟敘事,爲加密行業的安全能力背書。當前加密錢包安全防護正處於"從人工規則攔截轉向AI行爲意圖識別"的關鍵過渡階段,尤其是針對"只能買不能賣"這類專門針對散戶設計的新型合約陷阱。
本質上屬於"技術替代"——機制層面,傳統安全防護主要依賴已知惡意地址黑名單和靜態規則攔截,而攻擊者藉助AI實現規模化、定製化攻擊後,這套靜態防禦體系的滯後性被急劇放大;Binance轉而用AI分析代幣合約和網站的"行爲邏輯及風險意圖",本質上是把安全防護的判斷依據從"是否命中已知特徵"升級爲"是否具備潛在惡意意圖",這一升級路徑預計將成爲整個加密錢包行業應對AI驅動型攻擊的標準化方向。
ABAB News · 認知定律
AI降低的不只是生產成本,還有作惡的門檻。
攻防雙方用同一種武器競賽時,拖後腿的永遠是沒跟上的那一方。
規則防得住已知的壞人,意圖識別才防得住沒見過的壞人。