Odaily สัมภาษณ์ Yu Xian: Anthropic รุ่นใหม่ระดับนิวเคลียร์รั่วไหล จะส่งผลต่อการโจมตีและการป้องกันความปลอดภัยในคริปโตอย่างไร?

ต้นฉบับ | Odaily (@OdailyChina)

ผู้เขียน｜Azuma (@azuma_eth)

เหตุการณ์รั่วไหลของข้อมูลที่ไม่คาดคิด ทำให้โลกได้รู้ล่วงหน้าถึงผลิตภัณฑ์ระเบิดปรมาณูที่ Anthropic กำลังจะเปิดตัวต่อไป

รายงานของ Fortune เมื่อวันพฤหัสบดีที่ผ่านมา ระบุว่า Anthropic บริษัทผู้พัฒนา AI เบื้องหลัง Claude กำลังฝึกฝนโมเดลใหม่ชื่อว่า Mythos (รหัสภายในคาดว่าเป็น Capybara) โดยบริษัทอธิบายโมเดลนี้ว่าเป็น "โมเดล AI ที่ทรงพลังที่สุดที่เคยพัฒนามา" นักวิจัยด้านความปลอดภัยทางไซเบอร์ที่ตรวจสอบวัสดุที่เกี่ยวข้องเปิดเผยว่าโมเดลนี้ถูกค้นพบในร่างบทความบล็อก (ซึ่งไม่สามารถเข้าถึงได้อีกต่อไป) ที่ถูกทิ้งไว้ในแคชข้อมูลที่ไม่มีการป้องกันและสามารถค้นหาได้สาธารณะ Anthropic ยืนยันการมีอยู่ของโมเดลนี้หลังจากที่ Fortune สอบถาม

Anthropic อธิบาย Capybara ว่าเป็นระดับโมเดลใหม่ เมื่อเทียบกับระดับโมเดล Opus 4.6 ที่ทรงพลังที่สุดของ Claude ในปัจจุบัน Capybara ได้คะแนนสูงขึ้นอย่างมากในการทดสอบต่างๆ เช่น การเข้ารหัสซอฟต์แวร์ การให้เหตุผลทางวิชาการ และความปลอดภัยทางไซเบอร์

ตั้งแต่เดือนธันวาคมปีที่แล้ว Anthropic เคยทำการทดสอบใช้ AI โจมตีสัญญาอัจฉริยะคริปโตเคอเรนซีอย่างอิสระ ผลลัพธ์พิสูจน์ว่าการโจมตีอิสระโดย AI ที่ทำกำไรได้และนำกลับมาใช้ใหม่ได้นั้นเป็นไปได้ในทางเทคนิคแล้ว — ดูรายละเอียดเพิ่มเติมได้ที่ "Successfully Simulated Theft of $4.6 Million, AI Has Already Learned to Autonomously Attack Smart Contracts"

ตอนนี้ ด้วยโมเดลใหม่ที่ทรงพลังกว่าและมีความสามารถเฉพาะทางด้านความปลอดภัยทางไซเบอร์ที่ปรากฏตัวขึ้น สถานการณ์การโจมตีและป้องกันความปลอดภัยของคริปโตเคอเรนซีจะเปลี่ยนแปลงไปอย่างไร? เพื่อตอบคำถามเหล่านี้อย่างลึกซึ้งยิ่งขึ้น Odaily ได้เชิญผู้เชี่ยวชาญด้านความปลอดภัยในอุตสาหกรรมและผู้ก่อตั้ง SlowMist Yu Xian (X: @evilcos) มาให้คำอธิบาย

ภัยคุกคามด้านความปลอดภัยจาก AI มาถึงเร็วกว่าที่คุณคิด

ในตอนเริ่มต้นของการสนทนา Yu Xian กล่าวทันทีว่า หลายคนในอุตสาหกรรมยังมองภัยคุกคามด้านความปลอดภัยจาก AI เป็นเรื่องของ "อนาคต" แต่ความคืบหน้าจริงอาจเร็วกว่าที่อุตสาหกรรมจินตนาการ — ผลกระทบของ AI ต่อความปลอดภัยของคริปโตไม่ได้กำลังจะมา แต่ได้เริ่มเกิดขึ้นแล้ว ในมุมมองของเขา เส้นทางผลกระทบของ AI ต่อความปลอดภัยของคริปโตเคอเรนซีมีสองประเภทหลัก

ประเภทแรกคือผู้โจมตีใช้ AI กระทำการร้ายอย่างแข็งขัน ซึ่งรวมถึงการโจมตีทางวิศวกรรมสังคมที่แพร่หลายในอุตสาหกรรมคริปโตในช่วงสองปีที่ผ่านมา เช่น การฉ้อโกงทางไกลบนโซเชียลมีเดียผ่านวิดีโอ Deepfake และเสียงปลอม และยังรวมถึงแผนการโจมตีโดยตรงที่เน้น "เทคนิค" มากขึ้น นั่นคือการฝึกฝนระเบียบวิธีในการค้นพบช่องโหว่และการใช้ประโยชน์จากช่องโหว่ด้วย AI โดยอาศัยตัวอย่างช่องโหว่สาธารณะ กรณีการโจมตีจริง และรายละเอียดการใช้งาน — สิ่งนี้ไม่จำกัดเฉพาะในด้านสัญญาอัจฉริยะ กระบวนการด้านความปลอดภัยใดๆ ที่สามารถฝึกฝนและปฏิบัติจริงได้จากประสบการณ์ในอดีต อาจกลายเป็นพื้นที่ใช้งานของ AI

ความเสี่ยงประเภทที่สองในปัจจุบันถูกมองข้ามได้ค่อนข้างง่าย แต่สมควรให้อุตสาหกรรมตื่นตัวมากขึ้น — นั่นคือโครงการเองกำลังใช้ AI ในการพัฒนา แต่กลับนำปัญหาความปลอดภัยใหม่ๆ เข้าสู่ระบบไปด้วย เมื่อความสามารถในการเขียนโปรแกรมของ AI พัฒนาขึ้นเรื่อยๆ จากมุมมองของการปรับปรุงประสิทธิภาพการผลิต โครงการต่างๆ เริ่มพึ่งพา Vibe-Coding ในการเขียนโค้ดมากขึ้นเรื่อยๆ การเพิ่มประสิทธิภาพนั้นเห็นได้ชัดเจน แต่ผลข้างเคียงก็ชัดเจนเช่นกัน AI ย่อมมี "อาการหลอน" มันอาจเขียนความเสี่ยงลงในสภาพแวดล้อมการผลิตโดยตรงเนื่องจากปัญหาต่างๆ เช่น การพึ่งพาที่ปนเปื้อน การติดตั้งแพ็คเกจผิดพลาด การอ้างอิงไลบรารีโค้ดผิดพลาด

นี่ไม่ใช่การขู่ให้กลัว ในเดือนกุมภาพันธ์ปีนี้ โปรโตคอลเงินกู้ Moonwell ถูกขโมยเงิน 1.78 ล้านดอลลาร์เนื่องจากสูตรการป้อนราคาของออราเคิลผิดพลาด และสาเหตุโดยตรงของสูตรที่ผิดพลาดคือโครงการนี้พึ่งพา Claude Opus 4.6 ในการเขียนโค้ดที่มีช่องโหว่ ราคาของ cbETH ถูกตั้งค่าผิดเป็น 1.12 ดอลลาร์ ในขณะที่ราคาจริงในเวลานั้นควรอยู่ที่ประมาณ 2200 ดอลลาร์

ในยุคที่ AI กำลังปรับโฉมโลกในทุกด้าน มันไม่เพียงเป็นอาวุธในมือของแฮ็กเกอร์เท่านั้น แต่ยังอาจกลายเป็นเครื่องมือที่โครงการเอง "ฝังกับดัก" ไว้ด้วย

โครงการใดมีแนวโน้มจะตกเป็นเหยื่อในยุค AI มากที่สุด?

หากพูดว่า AI ได้เข้าสู่ทั้งฝ่ายโจมตีและฝ่ายป้องกันแล้ว คำถามต่อไปก็คือความเป็นจริงมาก ใครมีแนวโน้มจะถูกโจมตีมากกว่า?

การตัดสินของ Yu Xian นั้นตรงไปตรงมา โครงการที่มีปริมาณเงินทุนมาก จะเป็นเป้าหมายลำดับสูงสุดเสมอ ความพิเศษของอุตสาหกรรมคริปโตอยู่ที่ว่า โปรโตคอลจะรองรับเงินสดจริงโดยตรง และเนื่องจากแนวคิดการกระจายอำนาจ สถานะเงินทุนของสัญญามักจะโปร่งใสต่อภายนอก สำหรับผู้โจมตี อัตราส่วนการลงทุนและผลตอบแทนเป็นหลักการแรกเสมอ ดังนั้นตราบใดที่ TVL บนโปรโตคอลมีขนาดใหญ่เพียงพอ มันก็จะเข้าสู่รายชื่อเป้าหมายสำคัญโดยธรรมชาติ จำเป็นต้องถูกศึกษา สแกน และเจาะโดยผู้โจมตีอย่างต่อเนื่อง

นอกจากโครงการเงินทุนใหญ่แล้ว เป้าหมายความเสี่ยงสูงอีกประเภทหนึ่งคือโครงการใหม่ที่เพิ่งเปิดตัวไม่นานและมีช่องโหว่ที่ค่อนข้างชัดเจน แม้ว่าขนาดเงินทุนของโครงการประเภทนี้จะจำกัด แต่ก็มักตกเป็นเหยื่อของการโจมตีแบบ "抢跑式攻击" เพราะด้วยการสนับสนุนของ AI โซ่การสแกนแบบกลุ่ม การระบุอัตโนมัติ และการใช้ประโยชน์อัตโนมัตินั้นมีความเป็นผู้ใหญ่มากขึ้นเรื่อยๆ โครงการใหม่บางโครงการอาจถูกจับตามองโดยทีมโจมตีหลายทีมพร้อมกัน เนื่องจากช่องโหว่ที่ชัดเจนหรือแม้แต่ระดับพื้นฐาน หลังจากเพิ่งเปิดตัวไม่นานและขนาดเงินทุนยังไม่ใหญ่เต็มที่ สิ่งที่แข่งกันในตอนนี้ไม่ใช่ใครฉลาดกว่า แต่คือใครเร็วกว่า ใครลงมือก่อน คนนั้นก็อาจได้ผลประโยชน์ก่อน

Yu Xian กล่าวถึงเป็นพิเศษว่า มีโครงการอีกประเภทหนึ่งที่สมควรตื่นตัวเช่นกัน — นั่นคือโปรโตคอลเก่าแก่ที่ทำงานมานานแล้ว และทำให้ตลาดเกิดภาพลวงตาว่า "น่าจะไม่มีปัญหาแล้ว" ตัวอย่างที่ชัดเจนที่สุดคือการ "พลิกคว่ำ" ของโปรโตคอลเก่าแก่ Balancer เมื่อปีที่แล้ว (สามารถดูได้ที่: "Veteran DeFi Falls: Balancer V2 Contract Vulnerability, Over $110 Million in Assets Stolen") โครงการเก่าแก่หลายแห่งดำเนินการโดยไม่มีปัญหาเป็นเวลาหลายปี และผ่านการตรวจสอบหลายรอบ ทีมและผู้ใช้มักจะสร้างความคุ้นเคยทางความคิดว่า "ระบบปลอดภัยเพียงพอแล้ว" แต่ความเป็นจริงคือ ยิ่งเป็นโปรโตคอลที่ "ปลอดภัยโดยปริยาย" เช่นนี้ ยิ่งมีแนวโน้มที่จะกลายเป็นเป้าหมายของการศึกษาในระยะยาวและการเจาะเชิงกลยุทธ์ของกลุ่มโจมตีบางกลุ่ม หากทีมโครงการตอบสนองช้าลง กระบวนการกำกับดูแลยาวเหยียด หรือแม้กระทั่งตรงกับช่วงที่ทีมหยุดพักร้อน ความสนใจลดลง ความสูญเสียหลังถูกใช้ประโยชน์อาจรุนแรงยิ่งขึ้น

โครงการและผู้ใช้ ควรตั้งรับป้องกันอย่างไร?

ในการสนทนา Yu Xian เน้นย้ำซ้ำๆ ว่า โครงการควรยอมรับ AI อย่างแข็งขันมากขึ้น เหตุผลง่ายๆ คือ ผู้โจมตีภายนอกต่างใช้ AI ติดอาวุธให้ตัวเอง และหากคุณยังคงติดอยู่กับแนวคิด "พึ่งพาเพียงการตรวจสอบความปลอดภัยด้วยมนุษย์แบบดั้งเดิม ระบบทำงานมานานแล้วน่าจะปลอดภัย" โดยพื้นฐานแล้วคุณกำลังทำสงครามที่มีช่องว่างข้อมูลมหาศาล

จากมุมมองของการพัฒนาประสิทธิภาพการผลิต "การใช้ AI เขียนโค้ด" เป็นแนวโน้มที่หลีกเลี่ยงไม่ได้ แต่ปัญหาคือ คุณไม่สามารถคิดแต่จะเพลิดเพลินกับประสิทธิภาพที่เพิ่มขึ้นจาก AI โดยไม่ยอมสร้างกระบวนการความปลอดภัยที่สอดคล้องกัน — ยิ่งแนะนำ AI เข้าสู่กระบวนการวิจัยและพัฒนาอย่างลึกซึ้งมากเท่าไหร่ ยิ่งต้องสร้างกลไกการตรวจสอบข้ามและการควบคุมโดยมนุษย์ที่เข้มงวดมากขึ้นก่อนเปิดตัว เช่น การใช้โมเดล AI หลายตัวเพื่อตรวจสอบข้าม หรือให้บทบาทที่มีประสบการณ์ด้านความปลอดภัยจริงๆ และเข้าใจความน่าเชื่อถือทางวิศวกรรมมีส่วนร่วมในการตรวจสอบขั้นสุดท้าย

พูดง่ายๆ คือ "อย่านอนพัก ต้องขยันให้มากขึ้น" โดยเฉพาะโครงการที่มี TVL สูงแล้ว และมีเงินทุนผู้ใช้จำนวนมากสะสมอยู่ในโปรโตคอล ควรผสมผสานความสามารถของโมเดลที่แข็งแกร่งที่สุดในปัจจุบันและความสามารถของทีมความปลอดภัยอย่างแข็งขัน อัปเกรดกลยุทธ์ความปลอดภัยรอบใหม่สำหรับระบบที่มีอยู่ แม้ว่าจะไม่พึ่งพา AI โดยสมบูรณ์ อย่างน้อยก็ควรเข้าใจว่าคู่ต่อสู้ของคุณกำลังใช้เครื่องมืออะไร และคุณเองควรรับมืออย่างไร สิ่งนี้จะเป็นข้อได้เปรียบในด้านการรับรู้ของผู้ใช้ด้วย โครงการที่ยินดีเปิดรับการอัปเกรดความปลอดภัยด้วย AI อย่างเปิดเผย และดำเนินการตรวจสอบความเสี่ยงซ้ำอย่างต่อเนื่อง อย่างน้อยจะทำให้ตลาดรู้ว่า มันไม่ได้ใช้ผลงานในอดีตเป็นทุนที่จะขี้เกียจได้

เมื่อเทียบกับโครงการที่ยังมีความสามารถในการสร้างระบบ ลงทุนงบประมาณ และอัปเกรดกระบวนการ ผู้ใช้ทั่วไปอยู่ในสถานะที่ค่อนข้างแพ้รับมากกว่าในด้านการอัปเกรดการโจมตีและป้องกันความปลอดภัยด้วย AI Yu Xian กล่าวตรงไปตรงมาในเรื่องนี้ว่า: "สำหรับนักลงทุนรายย่อยส่วนใหญ่แล้ว เรื่องนี้ (การปกป้องตัวเอง) ยากจริงๆ"

ผู้ที่มีความสามารถในการตอบสนองอย่างรวดเร็วและหยุดความสูญเสียเมื่อเกิดความเสี่ยง มักไม่ใช่นักลงทุนรายย่อยในความหมายทั่วไป แต่เป็นผู้ที่มีความสามารถในการรับข้อมูลและการดำเนินการบนเชนในระดับสูงอยู่แล้ว พวกเขาอาจสร้างกลไกการตรวจสอบและเตือนภัยของตัวเองขึ้นมา หรือแม้กระทั่งใช้ AI เพื่อรับคำเตือนการโจมตีโดยอัตโนมัติ ทันทีที่พูลหรือโปรโตคอลใดๆ เกิดความผิดปกติ พวกเขาสามารถถอนเงินทุน ย้ายตำแหน่งได้ทันที จึงสามารถหยุดความสูญเสียได้ในระดับหนึ่ง ผู้ที่กล้าได้กล้าเสียมากกว่านั้น อาจสามารถทำกำไรตามอารมณ์ตลาดได้แม้ในขณะที่เกิดเหตุการณ์ความปลอดภัย

แต่คนประเภทนี้โดยพื้นฐานแล้วไม่ใช่ผู้ใช้ทั่วไปอีกต่อไป แต่เป็น "นักวิทยาศาสตร์" ในบริบทของคริปโต สำหรับผู้ใช้ที่ขาดความสามารถในการตรวจสอบ ความเร็วในการตอบสนอง และการตัดสินใจเชิงมืออาชีพมากขึ้น เมื่อเกิดการโจมตีจริงขึ้น พวกเขามักจะเป็นผู้จ่ายบิลในตอนท้ายสุด

ความเป็นจริงนั้นโหดร้ายจริงๆ ยุค AI จะไม่นำมาซึ่งสภาพแวดล้อมความปลอดภัยที่ยุติธรรมมากขึ้นโดยอัตโนมัติ แต่กลับอาจขยายช่องว่างข้อมูล ช่องว่างเครื่องมือ และช่องว่างความเร็วในการตอบสนองระหว่างผู้ใช้มืออาชีพและผู้ใช้ทั่วไปให้มากขึ้นไปอีก จากมุมมองของผู้ใช้ทั่วไป สิ่งที่ทำได้อาจมีเพียงการพยายามลดเวลาและตำแหน่งที่ตัวเองเปิดเผยต่อโปรโตคอลความเสี่ยงสูง ลดความเชื่อมั่นอย่างสุ่มสี่สุ่มห้าในการโต้ตอบที่ซับซ้อน และรักษาความสงสัยพื้นฐานต่อเรื่องเล่าที่ "ดูเหมือนจะปลอดภัยแล้ว"

โมเดลที่ทรงพลังกว่ามาแล้ว จะนำภัยคุกคามที่ใหญ่กว่ามาหรือไม่?

นี่เป็นคำถามที่น่าสนใจที่สุดในการสัมภาษณ์ครั้งนี้ จากสัญชาตญาณ โมเดลที่แข็งแกร่งกว่าในด้านการเข้ารหัส การให้เหตุผล และความปลอดภัยทางไซเบอร์ หากเปิดตัวจริง ดูเหมือนจะทำให้ผู้โจมตีที่มีศักยภาพกลายเป็นอันตรายมากขึ้นเท่านั้น แต่คำตอบของ Yu Xian คือ นี่กลับเป็นสิ่งที่ดี

ในมุมมองของ Yu Xian ข้อผิดพลาดที่ใหญ่ที่สุดของอุตสาหกรรมในตอนนี้ คือการเข้าใจภัยคุกคามประเภทนี้ว่า "อาจเกิดขึ้นในอนาคต" แต่ความเป็นจริงคือ ความสามารถที่แข็งแกร่งกว่าหลายอย่างมีอยู่แล้วในปัจจุบัน เพียงแต่ภายนอกมองไม่เห็น (เช่น Mythos ครั้งนี้ก็เป็นเพราะอุบัติเหตุสาธารณะจึงได้รู้) หรือทีมที่มีความสามารถจริงๆ นั้นเงียบกว่าที่ตลาดจินตนาการ

กล่าวอีกนัยหนึ่ง การปรากฏตัวของโมเดลที่ทรงพลังกว่าอย่าง Mythos ไม่ได้หมายความว่าความเสี่ยงจะเกิดขึ้นจากศูนย์สู่หนึ่ง แต่เป็นการทำให้อุตสาหกรรมตระหนักชัดเจนขึ้นว่า ที่จริงแล้วความสามารถในการโจมตีหลายอย่างที่เคยจินตนาการไว้เท่านั้น มีคนศึกษา ตรวจสอบ และแม้กระทั่งใช้ในความเป็นจริงแล้ว Yu Xian กล่าวในการสัมภาษณ์ว่า จากการค้นพบช่องโหว่ไปจนถึงการใช้ประโยชน์จากช่องโหว่ นี่เป็นสองขั้นตอนที่แตกต่างกันอยู่แล้ว และรอบๆ สองเรื่องนี้ บริษัทโมเดลระดับสูงและทีมที่เฉพาะทางและเงียบกว่าบางทีม (เช่น จะมีทีมที่ฝึกฝน AI แบบเต็มรูปแบบแบบส่วนตัวสำหรับความปลอดภัยของสัญญาอัจฉริยะ) อาจสะสมผลลัพธ์ที่ค่อนข้างมากแล้ว

ในตรรกะของ Yu Xian โมเดลที่แข็งแกร่งกว่าไม่ใช่ข่าวร้ายล้วนๆ แต่เป็นกลไกการคัดกรองที่สมบูรณ์ยิ่งขึ้น หากโครงการใดไม่สามารถรับมือกับความท้าทายที่ AI นำมาได้ โครงการนั้นเองอาจไม่ควรเติบโตต่อไปในอนาคต เพราะ AI จะเปิดเผยปัญห