6.700 phát hiện. 1.029 cảnh báo mức cao hoặc nghiêm trọng. 55 giờ. 425 kho lưu trữ.
Ba con số này không đến từ một báo cáo chính thức của Trail of Bits hay CertiK. Chúng đến từ Bitcoin Red Team – một chiến dịch quét mã nguồn có sự hỗ trợ của AI, do một nhóm chuyên gia an ninh tự tổ chức, không có cơ cấu pháp lý, không có token, không có đội ngũ marketing.
Tôi đã đọc đi đọc lại bản phân tích kỹ thuật của sự kiện này ba lần. Lần đầu, tôi ấn tượng bởi quy mô. Lần thứ hai, tôi bắt đầu đặt câu hỏi về phương pháp luận. Lần thứ ba, tôi nhận ra điều quan trọng nhất không nằm trong các con số: không ai công bố tỷ lệ xác minh.
Khi AI trở thành nhân viên của phòng an ninh
Câu chuyện bắt đầu từ một sự kiện có vẻ không liên quan: vụ nghiên cứu về Coldcard, một thiết bị ví phần cứng. Từ đó, nhóm tổ chức – với sự tham gia của Rob Hamilton và một số nhà nghiên cứu khác – bắt đầu mở rộng phạm vi. Họ không nhắm vào một dự án cụ thể. Họ nhắm vào toàn bộ hệ sinh thái Bitcoin.
Phương pháp của họ không mới về mặt khái niệm: dùng nhiều mô hình ngôn ngữ lớn như Kimi K3, GPT Sol, Fable/Opus, GLM 5.2, OpenAI Cyber Harness, cho chúng quét hàng trăm kho lưu trữ công khai trên GitHub, thu thập các đoạn mã đáng ngờ, rồi chuyển cho chuyên gia con người xác minh.
Điểm mới nằm ở quy mô và tốc độ: 425 kho lưu trữ trong 55 giờ.
Để so sánh: một công ty audit truyền thống như Trail of Bits có thể dành nhiều tuần cho một hợp đồng thông minh duy nhất. Ở đây, AI đóng vai trò sàng lọc viên cấp một, còn con người chỉ tập trung vào những ứng viên có dấu hiệu rủi ro cao.
Điều đó nghe có vẻ hợp lý. Nhưng tôi đã sống qua đủ chu kỳ thị trường để biết rằng: mọi công cụ mới đều bắt đầu bằng một câu chuyện đẹp. Vấn đề là những con số phía sau câu chuyện đó có đứng vững hay không.
Bitcoin đang trong giai đoạn mở rộng hệ sinh thái với L2, Runes, Ordinals. Hàng trăm dự án mới xuất hiện, mỗi dự án đều giương cao khẩu hiệu an toàn. Nhưng trong lúc thị trường giảm, nhà đầu tư không còn hỏi "dự án nào sẽ lên giá" mà chuyển sang hỏi "tiền của tôi có an toàn không". Một chiến dịch quét mã trên toàn hệ sinh thái, công bố hơn một nghìn cảnh báo nghiêm trọng, chắc chắn sẽ tác động đến tâm lý thị trường – dù những cảnh báo đó chưa được kiểm chứng.
Mổ xẻ pipeline AI quét, người xác minh
Nếu đọc kỹ các tài liệu do nhóm công bố, bạn sẽ thấy một sự thật quan trọng: đây không phải là một hệ thống tự động hóa bảo mật, mà là một dây chuyền sản xuất có sự tham gia của con người ở cả hai đầu.
Đầu vào: các mô hình AI được cung cấp mã nguồn và các chỉ dẫn do chuyên gia thiết kế. Các mô hình này tạo ra các phát hiện ban đầu – những đoạn mã có khả năng chứa lỗ hổng.
Đầu ra: các chuyên gia an ninh xem xét từng phát hiện, kiểm tra xem nó có thể bị khai thác hay không, viết báo cáo, liên hệ với đội ngũ dự án và quyết định có tiết lộ công khai hay không.
Rob Hamilton đã mô tả quy trình này khá rõ: "Các chuyên gia có thể dùng một hoặc hai câu ngữ cảnh, hoặc một đoạn mã nhỏ, để thay đổi kết quả đánh giá – từ mức trung bình lên mức nghiêm trọng."
Nói một cách khác: AI gợi ý, con người quyết định.
Điều này khiến tôi nhớ đến một nguyên tắc quân sự: vũ khí thông minh vẫn cần người ngắm bắn. Không phải vì vũ khí không thông minh, mà vì trách nhiệm không thể giao phó cho thuật toán. Trong bảo mật blockchain, một kết luận sai không chỉ gây thiệt hại về tài chính; nó có thể phá hủy niềm tin của người dùng vào toàn bộ giao thức.
Chi phí và hiệu quả: con số 20.000 USD nói lên điều gì
Một trong những chi tiết đáng chú ý nhất từ dữ liệu tài chính của chiến dịch: ở giai đoạn 150 kho lưu trữ, chi phí vận hành khoảng 20.000 USD. Ở giai đoạn 100+ kho lưu trữ, chi phí vượt 10.000 USD. Chi phí quét trung bình từ 130 đến 150 USD cho mỗi kho lưu trữ – một con số cực kỳ rẻ so với dịch vụ audit truyền thống, nơi một hợp đồng thông minh đơn lẻ có thể tiêu tốn 50.000 đến 500.000 USD.
Nhưng đây là cái bẫy của số học: chi phí quét chỉ là phần nổi của tảng băng. Nhóm tổ chức thừa nhận rằng điểm nghẽn không nằm ở khả năng GPU hay API, mà nằm ở vận hành, bàn giao kết quả và phân loại – tức là phần việc của con người.
Hãy làm một phép tính đơn giản. Nếu 150 kho lưu trữ tạo ra 6.700 phát hiện, trung bình mỗi kho có khoảng 44,6 phát hiện. Giả sử một chuyên gia bảo mật có kinh nghiệm cần trung bình 15 phút để xác minh một phát hiện – bao gồm đọc mã, kiểm tra logic, thử khai thác – thì 6.700 phát hiện sẽ cần khoảng 1.675 giờ làm việc. Với một nhóm 20 người, điều đó có nghĩa là 83 giờ làm việc liên tục, chưa kể thời gian viết báo cáo và liên hệ với từng dự án.
Con số 20.000 USD đó không bao gồm chi phí nhân lực.
Và đó chính là lý do tôi tin rằng mô hình này – dù ấn tượng – vẫn chưa thể thay thế các công ty audit truyền thống. Nó chỉ đang thay thế giai đoạn đầu tiên của quy trình: tìm kiếm. Giai đoạn xác minh vẫn đòi hỏi con người, và con người thì không thể mở rộng theo cấp số nhân.
Vấn đề thiếu dữ liệu xác minh
Trong toàn bộ bài phân tích, tôi tìm kiếm một con số cụ thể: bao nhiêu phát hiện đã được xác nhận là lỗ hổng thực sự? Bao nhiêu là dương tính giả?
Không có.
Không có tỷ lệ chính xác. Không có tỷ lệ dương tính giả. Không có thống kê về số lỗ hổng đã được vá sau khi nhóm liên hệ với các dự án. Chỉ có một tuyên bố từ Calle – một nhà nghiên cứu trong nhóm – rằng hầu hết các báo cáo nghiêm trọng đã được chủ sở hữu dự án xác minh nhanh chóng. Điều đó nghe có vẻ tích cực, nhưng "hầu hết" là bao nhiêu phần trăm? Và "nhanh chóng" là bao lâu?
Đây là điểm khiến tôi thấy quen thuộc đến khó chịu. Trong các đợt ICO năm 2017, chúng ta có những dự án công bố "hợp tác với đối tác công nghệ lớn" mà không bao giờ nói rõ đối tác đó làm gì. Trong thị trường NFT năm 2021, chúng ta có những collection công bố "khối lượng giao dịch 200 ETH" mà không ai kiểm tra wash trading. Ngành blockchain có một truyền thống lâu đời: nếu con số không được xác minh, hãy khiến nó trông thật lớn.
6.700 phát hiện. 1.029 cảnh báo nghiêm trọng. Những con số này gây ấn tượng mạnh trên Twitter. Nhưng nếu 80% trong số đó là dương tính giả – một tỷ lệ hoàn toàn bình thường trong lĩnh vực quét mã tự động – thì con số thực tế chỉ còn khoảng 200 phát hiện có giá trị, trong đó có thể chỉ vài chục lỗ hổng thực sự nghiêm trọng.
Điều đó không làm giảm giá trị của chiến dịch. Nhưng nó làm giảm đáng kể sức nặng của các con số trong tiêu đề.
Phân phối không đều: ẩn số lớn nhất
Một chi tiết tinh tế tôi tìm thấy trong dữ liệu: ở mốc 150 kho lưu trữ, đã có 6.700 phát hiện. Nhưng sau đó, khi quét lên đến 425 kho lưu trữ, tổng số phát hiện chỉ tăng thêm 1.738 – từ 27,5 giờ lên 55 giờ. Điều đó có nghĩa là 275 kho lưu trữ bổ sung chỉ tạo ra thêm 1.738 phát hiện, trong khi 150 kho đầu tiên đã tạo ra 6.700 phát hiện.
Trung bình, 44,6 phát hiện cho mỗi kho trong nhóm đầu tiên, so với chỉ 6,3 phát hiện cho mỗi kho trong nhóm bổ sung.
Điều này xác nhận một nghi ngờ mà tôi đã giữ từ đầu: phân phối phát hiện cực kỳ không đồng đều. Một số kho lưu trữ – có thể là 10 hoặc 20 – đã đóng góp phần lớn số phát hiện. Phần lớn 400 kho còn lại có thể chỉ tạo ra một hoặc hai phát hiện mỗi kho.
Hệ quả rất quan trọng: nếu chiến dịch tiếp tục mở rộng lên hàng nghìn kho lưu trữ, lợi tức cận biên sẽ giảm nhanh chóng. Bạn sẽ quét nhiều mã nguồn hơn, nhưng số lượng lỗ hổng thực sự tìm thấy trên mỗi kho sẽ ngày càng ít đi. Mô hình này có hiệu quả cao trong việc phát hiện các vấn đề ở tầng nền tảng chung – như thư viện, giao thức chuẩn, mẫu code phổ biến – nhưng kém hiệu quả hơn nhiều khi đối mặt với các codebase độc nhất vô nhị, nơi logic kinh doanh phức tạp đến mức mô hình ngôn ngữ không thể hiểu được ý đồ thực sự của lập trình viên.
Nói thẳng: AI quét xuất sắc trong việc phát hiện các lỗi kinh điển – như sử dụng hàm không an toàn, thiếu kiểm tra quyền, integer overflow. Nhưng nó không thể hiểu được bối cảnh kinh doanh của một giao thức DeFi cụ thể. Và trong bảo mật blockchain, chính bối cảnh kinh doanh – chứ không phải lỗi cú pháp – thường là nguồn gốc của những vụ hack lớn nhất.
Tôi nhớ đến câu chuyện năm 2020, khi tôi rà soát smart contract của Compound và phát hiện một lỗi logic trong cơ chế thanh lý. Lỗi này không hiện ra trong bất kỳ công cụ quét tự động nào thời điểm đó. Nó chỉ xuất hiện khi một người hiểu rõ mô hình lãi suất của Compound chợt nhận ra rằng trong một điều kiện thị trường cụ thể, người thanh lý có thể kích hoạt một vòng lặp làm lợi cho mình một cách bất thường.
Đó không phải là lỗi cú pháp. Đó là lỗi logic kinh tế. Và AI – dù là mô hình ngôn ngữ lớn xuất sắc nhất – vẫn chưa thể phát hiện ra những lỗi dạng này.
So sánh với truyền thống: không phải thay thế, mà là bổ sung
Có một sự cám dỗ rất lớn khi nhìn vào con số 6.700 và kết luận rằng AI đã vượt qua con người trong bảo mật blockchain. Tôi sẽ đưa ra một góc nhìn khác.
Trail of Bits, với các chuyên gia có 10-20 năm kinh nghiệm về mật mã, đồng thuận và ngôn ngữ lập trình, có thể xác định chính xác một lỗ hổng nghiêm trọng trong một hợp đồng thông minh phức tạp sau vài ngày làm việc. Bitcoin Red Team có thể quét 425 kho lưu trữ trong 55 giờ. Nhưng điều đó không có nghĩa là họ tìm thấy nhiều lỗ hổng nghiêm trọng hơn Trail of Bits. Nó chỉ có nghĩa là họ tạo ra nhiều ứng viên cần được xác minh hơn.
Đây là sự khác biệt về bản chất, không phải về số lượng. Một báo cáo audit của Trail of Bits có giá trị pháp lý – bạn có thể dùng nó để thuyết phục nhà đầu tư, để đáp ứng yêu cầu của sàn giao dịch, để bảo hiểm rủi ro. Một danh sách 6.700 phát hiện từ một chiến dịch tự tổ chức không có giá trị tương đương.
Tôi từng chứng kiến nhiều dự án ICO năm 2017 sử dụng các báo cáo audit như một tấm bùa hộ mệnh. Họ treo logo của một công ty bảo mật lên trang chủ và tin rằng điều đó khiến dự án của họ an toàn. Cách tiếp cận của Bitcoin Red Team cũng có rủi ro tương tự: nếu bạn coi 6.700 phát hiện trong 55 giờ là bằng chứng của sự an toàn, bạn đang nhầm lẫn giữa khối lượng và chất lượng. Nhưng nếu bạn coi đó là một công cụ lọc – để thu hẹp phạm vi cho các cuộc điều tra sâu hơn – thì nó thực sự có giá trị.
Góc nhìn phe bò: những gì AI làm được, và những ai đang lợi dụng con số này
Sau khi chỉ trích dữ liệu, tôi phải làm điều mà tôi luôn làm: tìm hiểu xem phe lạc quan có điểm gì đúng.
Trước hết, con số 6.700 phát hiện – dù chưa được xác minh – vẫn có giá trị định hướng. Nếu 5% trong số đó là lỗ hổng thực sự, bạn vừa có 335 lỗ hổng cần được xử lý. Với chi phí 20.000 USD, đó là một khoản đầu tư cực kỳ hiệu quả so với việc thuê một công ty audit truyền thống cho từng dự án riêng lẻ.
Thứ hai, sự tồn tại của chiến dịch này phơi bày một sự thật khó chịu: phần lớn hệ sinh thái Bitcoin không được bảo vệ. Chỉ 19,5% số dự án có tệp SECURITY.md – tức là không có quy trình tiêu chuẩn để báo cáo lỗ hổng. Trong bối cảnh đó, một chiến dịch quét chủ động là một bổ sung cần thiết, dù nó chưa hoàn hảo.
Thứ ba, câu chuyện về kết quả xác minh – dù mơ hồ – vẫn cho thấy một tín hiệu tích cực. Calle không chỉ nói về việc phát hiện lỗ hổng; anh ấy nói về việc các chủ sở hữu dự án phản hồi nhanh chóng và xác nhận những báo cáo nghiêm trọng. Điều đó có nghĩa là pipeline hoạt động: các dự án thực sự sửa lỗi. Đây là điều quan trọng nhất trong toàn bộ bài viết, nhưng nó bị che khuất bởi quá nhiều con số ấn tượng.
Cuối cùng – và đây là điểm mà tôi nghĩ cả phe lạc quan lẫn phe bi quan đều bỏ qua – chiến dịch này đã mở ra khả năng xây dựng một bộ dữ liệu chuẩn cho việc đánh giá mô hình AI trong bảo mật. Nếu Bitcoin Red Team công bố danh sách các kho lưu trữ, các prompt đã sử dụng, và kết quả xác minh cuối cùng, họ sẽ tạo ra một benchmark vô cùng giá trị cho toàn ngành. Các công ty bảo mật có thể dùng nó để đo lường hiệu quả của các mô hình khác nhau. Các nhà nghiên cứu có thể dùng nó để cải thiện khả năng phát hiện lỗi của AI. Nhưng hiện tại, dữ liệu này vẫn chưa được công bố.
Những kẻ có động cơ lợi dụng con số
Có một nhóm người khác cũng quan tâm đến chiến dịch này, và họ không quan tâm đến bảo mật. Đó là những kẻ dùng FUD làm vũ khí cạnh tranh. "AI quét 425 kho lưu trữ và tìm ra 1.029 lỗ hổng nghiêm trọng" – một tuyên bố như thế có thể được dùng để hạ bệ đối thủ, bôi nhọ một hệ sinh thái, hoặc đẩy giá token của một dự án an toàn đi xuống để gom hàng giá rẻ.
Trong một thị trường giảm như hiện tại, nơi tâm lý nhà đầu tư mong manh, một con số ấn tượng nhưng chưa được xác minh có thể gây ra làn sóng bán tháo ở các token hệ sinh thái Bitcoin – từ ORDI, SATS đến các dự án Runes. Điều này khiến tôi cảnh giác: những con số này mạnh đến mức chúng có thể được vũ khí hóa bởi bất kỳ ai có động cơ, dù là phe gấu hay phe đầu cơ.
Điều trớ trêu là: chiến dịch này – với tinh thần nghiên cứu trong sáng – lại có thể bị bóp méo thành một công cụ tấn công thị trường. Đó là rủi ro mà Rob Hamilton và nhóm của ông có thể không lường trước.
Vấn đề pháp lý: quét mã nguồn và mối nguy của việc tiết lộ vội vàng
Một khía cạnh mà hầu hết các bài viết về Bitcoin Red Team bỏ qua là tính pháp lý của việc quét chủ động và tiết lộ lỗ hổng.
Việc quét các kho lưu trữ công khai trên GitHub là hợp pháp – bạn có quyền đọc mã nguồn mở. Nhưng việc chứng minh một lỗ hổng có thể bị khai thác là một chuyện khác. Khi nhóm tổ chức bắt đầu viết các đoạn mã khai thác thử nghiệm, chạy thử trên các môi trường mô phỏng hoặc tệ hơn là môi trường thực tế, họ có thể vô tình vi phạm các quy định về truy cập trái phép ở một số quốc gia – bao gồm Đạo luật Lạm dụng Máy tính của Mỹ hay các luật tương tự ở châu Âu.
Tiếp đến: chiến lược tiết lộ. Nhóm tuyên bố rằng họ tiết lộ các phát hiện nghiêm trọng ngay khi có bằng chứng khai thác. Trong ngành bảo mật, thông lệ chuẩn là tiết lộ có trách nhiệm: cho chủ dự án thời gian sửa lỗi trước khi công bố công khai. Nếu Bitcoin Red Team công bố chi tiết kỹ thuật của một lỗ hổng trước khi dự án vá nó, họ vô tình tạo điều kiện cho những kẻ tấn công khác khai thác – và đó là một rủi ro nghiêm trọng.
Tất nhiên, có khả năng cụm từ "tiết lộ ngay lập tức" ở đây chỉ có nghĩa là gửi báo cáo riêng cho chủ dự án, chứ không công khai. Nhưng cách diễn đạt mơ hồ trong tài liệu là một lỗ hổng trong chính quy trình vận hành của chiến dịch. Trong bảo mật, sự mơ hồ là kẻ thù lớn nhất.
Vai trò của các công cụ quét truyền thống: Slither, Semgrep và sự khác biệt
Để hiểu rõ vị trí của Bitcoin Red Team, cần so sánh với các công cụ đã tồn tại. Slither, Semgrep, Aderyn là những trình quét mã nguồn tự động phổ biến; chúng chạy dựa trên các quy tắc được xác định trước. Khi gặp một mẫu code nguy hiểm như sử dụng block.timestamp để làm nguồn ngẫu nhiên, chúng báo lỗi. Cách tiếp cận này có ưu điểm: nhanh, có thể lặp lại, tỷ lệ dương tính giả thấp. Nhưng nó không thể phát hiện lỗi logic phức tạp – những lỗi liên quan đến nhiều hàm, nhiều hợp đồng và bối cảnh kinh doanh.
Bitcoin Red Team dùng LLM như một lớp ngữ nghĩa bổ sung: thay vì khớp mẫu, nó cố gắng hiểu ý định của code. Điều này mở ra khả năng phát hiện các lỗi logic ở quy mô lớn hơn. Nhưng nó cũng đi kèm với rủi ro: mô hình ngôn ngữ có thể tạo ra các kết luận sai một cách tự tin – và một chuyên gia bận rộn có thể không đủ thời gian để kiểm tra từng kết luận.
Đó là lý do tại sao vị trí của Bitcoin Red Team – như một công cụ lọc ở tầng cao – lại có giá trị. Nó không nhằm thay thế Slither hay Trail of Bits. Nó nhằm trả lời câu hỏi: "Trong 10.000 kho lưu trữ của hệ sinh thái Bitcoin, 100 kho nào đáng để các chuyên gia dành thời gian?"
Điều này đưa tôi đến một điểm quan trọng: nếu Bitcoin Red Team thực sự muốn tạo ra giá trị lâu dài, họ cần công bố danh sách các kho lưu trữ đã quét, và đánh dấu những kho có phát hiện đã được xác minh. Chỉ khi đó, các công ty audit truyền thống mới có thể dùng kết quả của họ làm điểm khởi đầu cho các cuộc điều tra sâu. Nếu không, mỗi người vẫn phải tự quét lại từ đầu – và giá trị của chiến dịch sẽ giảm đi đáng kể.
Khi AI trở thành cái phễu: tương lai của bảo mật chuỗi khối
Tôi đã dành nhiều năm để theo dõi các vụ hack trong DeFi. Một mô hình lặp đi lặp lại: lỗ hổng không xuất phát từ một dòng code cụ thể, mà từ sự tương tác giữa nhiều giao thức. Một giao thức A có logic thanh lý đúng đắn. Một giao thức B có cơ chế giá chính xác. Nhưng khi kết hợp A và B, một kẻ tấn công có thể tạo ra một vòng lặp để rút thanh khoản. Các công cụ quét truyền thống không thể phát hiện những vấn đề xuyên giao thức này. Các chuyên gia cũng khó phát hiện chúng – vì họ thường được thuê để audit một giao thức duy nhất.
Đây là nơi AI quét toàn hệ sinh thái – như Bitcoin Red Team – có thể tạo ra bước đột phá. Nếu họ quét đồng thời 100 giao thức khác nhau và phát hiện ra rằng 10 giao thức có cùng một lỗi logic cơ bản, đó là một phát hiện có giá trị lớn hơn nhiều so với việc tìm ra một lỗi trong một giao thức duy nhất. Điều đó cho thấy một vấn đề mang tính hệ thống, và giúp cả cộng đồng tránh được các lỗi tương tự trong tương lai.
Nhưng đến nay, chúng ta vẫn chưa thấy những phát hiện dạng này được công bố. Tất cả những gì chúng ta có là các con số tổng hợp. Và đó là khoảng cách giữa một chiến dịch nghiên cứu và một hệ thống bảo mật thực thụ.
Câu hỏi cuối cùng
Khi AI có thể quét 425 kho lưu trữ trong 55 giờ, sức mạnh của tốc độ đã trở thành một yếu tố mới trong phương trình bảo mật. Nhưng bảo mật chưa bao giờ chỉ là cuộc đua về tốc độ. Nó là cuộc đua về trách nhiệm.
Số lượng phát hiện không tạo ra bảo mật thực sự. Phát hiện chưa được xác minh không phải là lỗ hổng; nó chỉ là tiếng ồn có mục đích. Giá trị cuối cùng của một chiến dịch như thế này sẽ được đo bằng số lỗ hổng được vá, không phải bằng số phát hiện được công bố.
Tôi sẽ theo dõi sát sao những tuần tới. Không phải để xem Bitcoin Red Team tiết lộ thêm bao nhiêu vấn đề nữa, mà để xem họ tiết lộ bao nhiêu báo cáo xác minh đầy đủ – với mã nguồn, cách khai thác, và phản hồi từ đội ngũ dự án. Đó sẽ là thước đo duy nhất đáng tin cậy.
Và khi đó, chúng ta sẽ có câu trả lời cho câu hỏi mà cả ngành đang tránh né: liệu tốc độ của AI có đang vượt quá khả năng hiểu biết của chính những người điều khiển nó?