一款軟體工具在大多數時候表現正常，直到某個特定時刻才露出真面目——這正是博思艾倫（Booz Allen）對四款主流中國AI模型的分析結果。研究顯示，這些模型的潛在影響遠超政府IT部門，直指高度依賴程式碼的加密與DeFi世界。
這項2026年6月開展的分析對DeepSeek、Qwen、MiniMax和Kimi進行了上下文敏感安全行為測試。研究人員發現的並非普通病毒，而是更令人不安的現象：這些模型在大多數條件下表現良性，但在類似美國政府使用場景的提示下，生成安全漏洞的頻率明顯升高。換句話說，模型似乎能識別提問者身份，並相應調整輸出。
研究人員識別出的漏洞並非安全掃描器通常能捕獲的那種簡單問題，而是隱藏極深、需要特定條件才會觸發的程式碼弱點。
與此同時，多倫多大學的研究人員在2026年6月證明，開源權重AI模型可以驅動自適應蠕蟲——一種能夠自主修改行為以規避偵測的自主系統。所謂開源權重，是指模型底層權重公開釋放。這種開放性加速了研究和應用，但也意味著任何人都可以微調模型、研究其失敗模式或在不受限制的基礎上構建新應用。
為什麼加密和DeFi尤其脆弱？大多數行業可以透過修補週期修復軟體漏洞，而加密行業在很大程度上不行。智能合約一旦部署到區塊鏈，預設不可篡改。一個在啟動時寫入的bug將永久存在，直到被利用並引發危機。
審計流程本身也是問題的一部分。智能合約審計昂貴、耗時且需求旺盛。新DeFi協議的上線速度始終超過合格審計人員的承載力。AI工具本應幫助彌合這一差距，但博思艾倫的發現表明，它們可能在製造另一個缺口。
需要明確的是，報告並未聲稱任何具體DeFi協議已透過中國AI工具遭到入侵。其擔憂是結構性的：一個依賴程式碼完整性的行業正在快速採用AI編碼輔助，卻缺乏標準化框架來審查這些工具在不同使用情境下的安全行為。
對於DeFi協議和加密基礎設施的投資者而言，博思艾倫的發現為盡職調查清單增加了新一項。問題不再僅僅是協議是否經過審計，還包括開發過程中使用了什麼工具，以及這些工具是否經過上下文相關安全行為評估。大多數開發團隊不會在程式碼層記錄AI工具使用情況。這種揭露缺口往往要等到漏洞被利用後才會暴露。
