Bitget 事件：AI 如何加速跨链资金追踪

技术事件分析 · 公开资料核查至 2026 年 10 月 3 日

Bitget 被盗后，调查人员要面对大量跨链转移：资金不断经过跨链桥和其他服务，靠人工逐笔核对很难跟上。Chainalysis 表示，团队利用内部 AI 平台为这起事件构建了专用追踪工具。其中一项原本需要超过 20 小时的跨链桥核对工作，被缩短到 10 分钟以内；调查逻辑和结果复核仍由人负责。Chainalysis 调查复盘

这是本案公开资料中最明确的 AI 应用。它也引出两个更值得研究的问题：类似的关联能力能否帮助团队更早发现异常，能否让多方响应时更快共享可靠线索？前者是值得验证的设计方向，并非 AI 已经阻止本次盗窃的事实。

事件概况

Bitget 公布的时间线显示，未经授权的转账于 2026 年 9 月 24 日 18:31 UTC 开始。19:05 UTC，对账系统发现异常，平台暂停提现。Bitget 后续估计损失约 3.88 亿美元；其初步调查认为，攻击可能涉及第三方安全产品失陷和高权限凭证滥用。Bitget 事件时间线 Bitget 资金追踪更新

Mandiant 和 SlowMist 的调查将未经授权的钱包访问与第三方安全产品遭入侵联系起来；SlowMist 还披露了定制提现工具。这些背景解释了为什么调查需要串联身份、钱包命令与链上流向，但并不能证明攻击者使用了 AI。Bitget 调查更新 SlowMist 调查报告

调查中的 AI 作用：重建跨链资金路径

一条链上的桥接存入，与另一条链上的对应支出，并不会自动标成同一笔资金流。调查人员需要对照金额、时间、协议行为、地址历史等线索；路径一多，人工核对就会成为瓶颈。

Chainalysis 称，团队用内部 Agent 平台为本案搭建了定制自动化，连接分散的链上活动，匹配跨链存入与支出。其公布的“超过 20 小时缩短至 10 分钟以内”针对的是一项跨链桥核对任务，不是整个调查的独立性能评测。Chainalysis 调查复盘

这里真正值得借鉴的，并不是让 AI 自动认定攻击者，而是由工具呈现可能存在的关联，同时给出足够的交易依据，供分析人员判断是否值得继续追查。来源和可信程度始终与候选匹配放在一起，暂时的线索才不会在流转中悄悄变成身份归因。

AI 在早期发现中的潜在作用

公开时间线显示，从首次异常转账到提现暂停，相隔 34 分钟。这不能证明 AI 一定能提前发现或阻断攻击，但提出了一个可测试的问题：能否在余额对账报警之前，把异常高权限访问、安全产品管理配置变化、钱包命令和集中提现串成一条风险链？

单看其中一项，未必足以报警；按时间顺序合起来，才可能值得进一步复核，或满足某项既有交易规则的触发条件。这类能力是否真正有效，取决于日志是否及时可信、能否用历史事件回放，以及团队是否如实衡量误报。没有记录的事件仍然是缺失的证据，提现放行权也依然属于模型之外的控制系统。模型建议与强制执行控制之间的关系，在生产级 AI Agent 护栏架构中有更完整的讨论。

AI 在响应协作中的潜在作用

Bitget 发布了实时资金追踪面板和攻击地址 API，供交易所、托管机构、发行方及跨链桥等参与者核对自身风险敞口。Bitget 追踪资源

在类似事件中，AI 辅助流程可以汇总情报变化、整理相关地址、提示哪些风险敞口更紧迫，也可以为合作方通知准备初稿。这里谈的是可能的应用，不是 Bitget 已部署这些功能的证据。它们能否真正帮助响应，取决于每条线索是否始终带着来源、更新时间、可信程度和纠错记录；一旦这些上下文丢失，自动化传播误判的速度也会很快。

系统设计中的职责边界

从这起事件来看，一套响应系统大致包含三个职责不同的层次。

最底层是证据层。身份事件、管理变更、钱包命令、策略判断、签名请求和链上交易使用一致的时间戳与关联 ID；审计记录又独立于被调查系统的权限，因此分析人员看到的是一份相对可信的历史。

其上是 AI 分析层。模型在这里整理时间线、提出跨链匹配、关联较弱的信号，并帮助分析人员判断下一步从哪里查起。“已确认”“相关性支持”和“假设”的区别始终可见，因为结论仍然能够回到原始事件。

最后是独立于模型的交易控制层，其中包括限额、职责分离、独立审批、延迟和熔断。即使模型或供应商接口暂时不可用，系统仍有一条不依赖 AI 的止损路径。

生产就绪度检查清单可以作为事前审视这些边界的参考。在演练中，真正值得观察的不只是模型多久给出答案，还包括团队多久发现问题、看清问题、实施控制，以及纠正一条误报。

本案已有公开依据的结果，是 Chainalysis 所述的调查关联提速。更早预警和更顺畅的协作仍是需要验证的应用，而不是本次事件已经证明的成效。AI 帮助人更快找到并连接证据；资金与权限，则交给独立、可执行的控制。