Bitcoin Red Team ใช้ AI พบ 4,962 เบาะแสด้านความปลอดภัย แต่การยืนยันโดยมนุษย์ยังตามไม่ทัน

AI กำลังขยายขนาดของการตรวจความปลอดภัยในระบบนิเวศ Bitcoin แบบโอเพนซอร์สอย่างชัดเจน ในสปรินต์ช่วงเดือนสิงหาคม 2026 กลุ่มอาสาสมัคร Bitcoin Red Team ระบุว่าใช้เวิร์กโฟลว์หลายโมเดล AI ที่มีมนุษย์กำกับ เพื่อตรวจโครงการที่เกี่ยวข้องกับ Bitcoin ราว 390 รีโพซิทอรี ภายในเวลาประมาณ 27.5 ชั่วโมง ทีมยื่นรายงานเบาะแสด้านความปลอดภัย 4,962 รายการ แบ่งเป็นระดับวิกฤต 85 รายการ และระดับสูง 635 รายการ

แต่ประเด็นสำคัญที่สุดคือ 4,962 รายการนี้เป็นเบาะแสหรือรายงานที่ต้องตรวจต่อ ไม่ใช่ช่องโหว่ที่ได้รับการยืนยันแล้วว่าถูกนำไปโจมตีได้ทั้งหมด 1124

ทีมทำอะไร และ AI เข้ามาช่วยตรงไหน

กลุ่ม 16 คน นำโดยนักพัฒนา Calle และ Rob Hamilton ซีอีโอของ AnchorWatch รายงานว่าใช้เงินประมวลผล AI ที่ได้รับการสนับสนุนจาก OpenSats มากกว่า 40,000 ดอลลาร์สหรัฐ เพื่อการตรวจครั้งนี้ รายงานข่าวระบุว่าโมเดล AI ช่วยตรวจหาเส้นทางโค้ดที่น่าสงสัย จุดอ่อนที่อาจเกิดขึ้น และสมมติฐานสำหรับการทดสอบ ขณะที่มนุษย์เป็นผู้กำกับกระบวนการและจัดทำรายงานส่งให้ผู้ดูแลโครงการ โมเดลที่ถูกระบุในรายงานมี Kimi K3, GPT Sol, Fable, Opus และ GLM 5.2 2512

ขอบเขตของงานถือว่ากว้างมากสำหรับทีมอาสาสมัครในระยะเวลาสั้น ๆ: ราว 390 รีโพซิทอรี และเครื่องมือทบทวนโค้ดที่รายงานว่าครอบคลุมโค้ด 171,599 บรรทัด โดยตามการจัดระดับของทีม มี 720 รายการที่เป็นระดับสูงหรือวิกฤต 2327

สิ่งนี้สะท้อนว่าเศรษฐศาสตร์ของการตรวจโค้ดกำลังเปลี่ยนไป โมเดลสามารถไล่ค้นแพตเทิร์นเสี่ยงในโค้ดปริมาณมาก เชื่อมโยงการไหลของข้อมูลที่น่าสงสัย และเสนอแนวทางทดสอบได้อย่างรวดเร็ว แต่การพบสิ่งผิดปกติยังไม่ทำให้รายงานนั้นพร้อมนำไปแก้ไขในระบบจริงทันที

ทำไมตัวเลขนี้ไม่ใช่จำนวนช่องโหว่ที่ยืนยันแล้ว

ควรอ่านตัวเลข 4,962 เป็น “คิวของผู้ต้องสงสัย” ที่รอการตรวจพิสูจน์ รายงานช่วงแรกระบุว่ามีเพียง 21.4% ของรายการที่ทำซ้ำและยืนยันได้อย่างอิสระ นั่นหมายความว่ารายงานส่วนใหญ่ยังต้องให้คนตรวจว่า พฤติกรรมดังกล่าวเกิดขึ้นจริงในเวอร์ชันและการตั้งค่าที่เกี่ยวข้องหรือไม่ ถูกโจมตีได้จริงหรือไม่ ซ้ำกับรายงานอื่นหรือไม่ และควรมีระดับความรุนแรงเท่าใด 1115

การตอบสนองด้านความปลอดภัยแบบครบวงจรมักต้องทำหลายขั้นตอน ได้แก่

• ทำซ้ำปัญหาในสภาพแวดล้อมซอฟต์แวร์จริง
• แยกช่องโหว่จริงออกจากผลบวกลวงและรายงานซ้ำ
• ประเมินความเป็นไปได้ในการโจมตีและผลกระทบต่อผู้ใช้
• ประสานการเปิดเผยข้อมูลแบบไม่เปิดเผยต่อสาธารณะกับผู้ดูแลโครงการ
• เขียนแพตช์ที่แก้ปัญหาเฉพาะจุด พร้อมชุดทดสอบ
• รีวิวการเปลี่ยนแปลงเพื่อป้องกันผลกระทบข้างเคียง
• ทำให้ผู้ให้บริการ ผู้ปฏิบัติการโหนด และผู้ใช้ติดตั้งอัปเดต

AI ทำให้ขั้นแรกอย่างการสร้างเบาะแสมีต้นทุนต่ำลงมาก แต่ไม่ได้แทนที่ความรับผิดชอบเชิงผู้เชี่ยวชาญในขั้นตอนถัดไป รายงานยังชี้ว่ามีเพียงบางส่วนของข้อค้นพบที่ส่งถึงผู้ดูแลโครงการแล้ว จึงเห็นได้ว่าขีดความสามารถในการเปิดเผยข้อมูลอย่างรับผิดชอบก็เป็นคอขวดเช่นกัน 14

เหตุ Coldcard ทำให้เดิมพันสูงขึ้น

การตรวจครั้งนี้เกิดขึ้นหลังเหตุการณ์กระเป๋าฮาร์ดแวร์ Coldcard ซึ่งมีรายงานว่าข้อผิดพลาดในเฟิร์มแวร์เมื่อเดือนมีนาคม 2021 ทำให้กระบวนการสร้าง seed ใช้ตัวสุ่มแบบซอฟต์แวร์ที่คาดเดาได้ แทนที่จะใช้ตัวสร้างเลขสุ่มจากฮาร์ดแวร์ตามที่ออกแบบไว้ ช่องโหว่นี้อาจทำให้กุญแจของผู้ใช้ที่ได้รับผลกระทบถูกสร้างซ้ำได้ หากผู้โจมตีจำกัดข้อมูลนำเข้าที่จำเป็นได้เพียงพอ 4245

ตัวเลขความเสียหายเปลี่ยนไปตามการตรวจพบกิจกรรมเพิ่มเติม CoinDesk รายงานยอดสะสมที่อาจใกล้ 114 ล้านดอลลาร์สหรัฐ จากการโจมตี 4 ระลอก ขณะที่สื่ออื่นรายงาน Bitcoin ราว 1,816 BTC ถูกขโมยระหว่างวันที่ 30 กรกฎาคมถึง 3 สิงหาคม 4142

บทเรียนไม่ได้อยู่ที่การเข้ารหัสหลักของ Bitcoin ล้มเหลว แต่อยู่ที่ข้อบกพร่องในซอฟต์แวร์รอบ ๆ การถือครองสินทรัพย์ด้วยตนเอง (self-custody) อาจสร้างผลกระทบในวงกว้างได้ และการพบจุดอันตรายก่อนถูกใช้โจมตีมีความสำคัญไม่แพ้การพบหลังเกิดเหตุ

มีแพตช์ที่รวมแล้วหนึ่งรายการ แต่ต่างจาก “รายงาน” มาก

ผลลัพธ์ที่จับต้องได้อย่างหนึ่งคือ Hamilton มีส่วนแก้บั๊กที่ทำให้กระเป๋าเงินล่มใน Bitcoin Core โดยใช้ AI ช่วยค้นหา และโค้ดแก้ไขดังกล่าวถูกรวมเข้าสู่โครงการเมื่อวันที่ 20 สิงหาคม ตามรายงานข่าว 13

นี่เป็นตัวอย่างสำคัญของเบาะแสจาก AI ที่ผ่านกระบวนการปกติจนกลายเป็นการแก้ไขจริง แต่ก็ยิ่งตอกย้ำว่าตัวเลขพาดหัวไม่ควรถูกตีความเป็นจำนวนปัญหาที่แก้เสร็จแล้ว แพตช์ที่ถูกรวมต้องผ่านมาตรฐานที่สูงกว่าอย่างมาก: มีบั๊กที่ระบุชัด มีโค้ดแก้ไขที่ผ่านการรีวิว และได้รับการยอมรับในโค้ดเบสที่มีผู้ดูแล

ข้อจำกัดการเข้าถึง OpenAI และโจทย์ของฝ่ายป้องกัน

Hamilton ระบุว่าโครงการ Trust Cyber ของ OpenAI จำกัดการเข้าถึงของเขา หลังเริ่มผสานความสามารถด้านไซเบอร์ของ OpenAI เข้ากับการตรวจสอบ รายงานระบุว่ากลุ่มจึงหันไปใช้โมเดลทางเลือก รวมถึงโมเดลที่เปิดน้ำหนักโมเดล เพื่อทำงานต่อ 182132

คำถามเชิงนโยบายไม่ง่าย โมเดลด้านไซเบอร์ที่มีความสามารถสูงช่วยฝ่ายป้องกันหาโจทย์ได้เร็วขึ้น แต่ขีดความสามารถเดียวกันก็อาจถูกนำไปใช้ในทางที่ผิดได้ Hamilton วิจารณ์ว่าการสร้างแรงเสียดทานต่อผู้ป้องกันที่ระบุตัวตนได้ อาจทำให้เกิดความเสียเปรียบในทางปฏิบัติ หากผู้โจมตียังเข้าถึงโมเดลอื่นหรือใช้น้ำหนักโมเดลบนเครื่องของตนเองได้ ข้อโต้แย้งนี้พูดถึงการเข้าถึงและความเร็วในการทำงาน ไม่ได้พิสูจน์ว่าการจำกัดเครื่องมือของผู้ให้บริการรายหนึ่งจะหยุดยั้งทั้งงานวิจัยด้านความปลอดภัยหรือการใช้งานโดยผู้ไม่หวังดีได้ 21

กรณี Boltz: ภาระของทีมเล็กในโลกที่การสแกนอัตโนมัติทำงานตลอดเวลา

บริการสวอป Bitcoin ชื่อ Boltz ระงับบริการสวอปแบบไม่มีกำหนดในเดือนสิงหาคม โดยระบุว่าการสอดส่องและทดลองโจมตีแบบอัตโนมัติที่มี AI ช่วย เพิ่มขึ้นจนเกินกำลังทีมขนาดเล็กในการทำให้ระบบปลอดภัยและออกแพตช์ได้ทัน บริษัทระบุว่าฟังก์ชันคืนเงินยังใช้งานได้ ขณะที่ปิดบริการสวอป 282930

กรณี Boltz ไม่ได้ยืนยันว่าการโจมตีทุกครั้งที่ AI ช่วยนั้นซับซ้อนหรือประสบความสำเร็จ แต่เป็นตัวอย่างเชิงปฏิบัติของความไม่สมดุลที่การตรวจของ Red Team เผยให้เห็น: การค้นหาและลองโจมตีแบบอัตโนมัติทำได้ต่อเนื่อง ขณะที่ผู้ดูแลโครงการต้องตรวจทุกสัญญาณและปล่อยทุกมาตรการแก้ไขอย่างปลอดภัย

เมื่อโมเดลเก่งขึ้น ความเสี่ยงเปลี่ยนจาก “หาได้ไหม” เป็น “แก้ทันไหม”

Bitcoin และบริการรอบตัวมีโค้ดจำนวนมากที่เปิดเผยต่อสาธารณะ โอเพนซอร์สช่วยให้ตรวจสอบโดยอิสระและมีความโปร่งใส แต่ก็ทำให้ฝ่ายป้องกันและฝ่ายโจมตีเข้าถึงชุดโค้ดเดียวกัน ความกังวลของ Hamilton และนักวิจารณ์ Bitcoin ที่ใช้ชื่อ CobraBitcoin ไม่ใช่ว่าโอเพนซอร์สไม่ปลอดภัยโดยตัวมันเอง แต่คือโมเดลที่เก่งขึ้นอาจลดทั้งเวลาและทักษะที่ต้องใช้ในการหาข้อบกพร่องแปลก ๆ ผ่านรีโพซิทอรีจำนวนมาก 1721

OpenAI ระบุว่า GPT-6 Astra ผ่านเกณฑ์ความสามารถด้านความมั่นคงปลอดภัยไซเบอร์ระดับ Critical ตาม Preparedness Framework ของบริษัท โดยบริษัทระบุว่า เมื่อมีเครื่องมือและสิทธิ์เข้าถึงที่เหมาะสม Astra สามารถค้นหาข้อบกพร่องที่ไม่เคยรู้มาก่อน และพัฒนาแนวทางโจมตีต่อระบบที่ได้รับการป้องกันอย่างดีหลายระบบได้ โดยไม่ต้องมีคนคอยชี้นำทีละขั้น 1922

คำประกาศด้านความสามารถนี้ไม่ได้แสดงว่า Astra ถูกใช้ในการตรวจของ Bitcoin Red Team และไม่ได้พิสูจน์ว่าโมเดลแนวหน้าทำให้เกิดการเจาะระบบ Bitcoin จริง แต่ช่วยอธิบายว่าทำไมผู้ดูแลโครงการจึงจับตาเรื่องความเร็ว: หากโมเดลคิดวิเคราะห์ในระดับทั้งรีโพซิทอรีและพัฒนาแนวทางโจมตีได้ดีขึ้น คอขวดจะย้ายจากการ “หาโอกาสเกิดปัญหา” ไปอยู่ที่การ “พิสูจน์ แก้ และติดตั้งการป้องกัน” สำหรับปัญหาที่สำคัญให้ทันเวลา

สิ่งที่ต้องลงทุนจริงคือกำลังคนสำหรับการยืนยัน

สปรินต์ของ Bitcoin Red Team จึงควรถูกมองเป็นสัญญาณเตือนเรื่องอัตราการไหลของงาน ระบบนิเวศด้านความปลอดภัยสามารถสร้างเบาะแสที่น่าเชื่อถือหลายพันรายการได้รวดเร็วแล้ว แต่ความยืดหยุ่นของระบบจะขึ้นกับว่าสามารถสนับสนุนการทำซ้ำอย่างอิสระ ช่องทางรายงานที่ปลอดภัย เวลาของผู้ดูแลโครงการ การรีวิวโค้ด การทดสอบ และการอัปเดตอย่างรวดเร็วได้ทันความเร็วใกล้เคียงกันหรือไม่

สำหรับโครงการที่เกี่ยวข้องกับ Bitcoin ตัวชี้วัดถัดไปจึงไม่ใช่จำนวนรายงานที่ AI สร้างได้มากที่สุด แต่คือสัดส่วนของรายงานที่กลายเป็นช่องโหว่ที่ยืนยันแล้ว แพตช์ที่ประสานอย่างรับผิดชอบ และการป้องกันที่ผู้ใช้ติดตั้งใช้งานได้ก่อนผู้โจมตีจะลงมือ 1514