เสือเก๋าแห่ง Ripple เคลื่อนไหว หลัง OpenAI เปิดตัว AI แฮกเกอร์อัตโนมัติสุดโหด

การเกษียณที่ถูกจังหวะพอดี ในยุคแห่ง AI

เคยรู้สึกไหมว่าเราเดินออกจากงานปาร์ตี้ได้ถูกจังหวะแบบเป๊ะๆ? นั่นน่าจะเป็นความรู้สึกของ David Schwartz ในตอนนี้เลยครับ

David Schwartz คือหนึ่งในสถาปัตยกรผู้ร่วมสร้าง XRP Ledger เขารับตำแหน่งประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ RippleXRP+1.65% มานานหลายปี ก่อนจะก้าวลงมารับตำแหน่งกิตติมศักดิ์และวางมือไปเมื่อพฤศจิกายนปีที่แล้ว

ล่าสุด นักวิจัยจาก OpenAI ได้เผยแพร่รายงานสุดน่าทึ่งเกี่ยวกับปัญญาประดิษฐ์และความปลอดภัยไซเบอร์ พอ Schwartz ได้อ่าน เขาก็อดไม่ได้ที่จะออกมาโพสต์แสดงความเห็นสั้นๆ ให้ผู้ติดตามได้อ่านกัน

"ผมเลือกเวลาเกษียณได้โคตรดีเลย!"

มุกตลกของเขาเกิดขึ้นหลังจากเห็นว่า โมเดล AI เรียนรู้ที่จะทดสอบ เจาะระบบ และแก้ไขระบบคอมพิวเตอร์ที่ซับซ้อนได้เร็วแค่ไหน โดยไม่ต้องพึ่งมนุษย์เลย

เจาะลึกการทดลองแฮกแบบอัตโนมัติของ OpenAI

แล้ว OpenAI สร้างอะไรขึ้นมา ถึงทำให้ผู้เชี่ยวชาญด้านรหัสวิทยาขั้นเก๋าต้องร้องว้าวขนาดนี้? พวกเขาได้ทดสอบระบบรักษาความปลอดภัยแบบอัตโนมัติเต็มรูปแบบครบวงจร

ลองนึกภาพระบบ AI นี้เป็นเหมือนนักสืบดิจิทัลที่ไม่รู้จักเหน็ดเหนื่อย มันทำงานเป็นวงจรอัตโนมัติในตัวเอง โดยมีหน้าที่หลัก 4 อย่าง:

• สแกนโค้ดเพื่อค้นหาบั๊กความปลอดภัยที่อาจเกิดขึ้น
• ตรวจสอบด้วยตัวเองว่าบั๊กนั้นมีอยู่จริงหรือไม่
• เขียนโค้ดสำหรับเจาะระบบเพื่อพิสูจน์ว่ามีช่องโหว่นั้นจริงๆ
• เขียนและปล่อยซอฟต์แวร์แก้ไข (Patch) เพื่ออุดช่องโหว่ให้อัตโนมัติ

เพื่อทดสอบระบบนี้ OpenAI ได้ปล่อยให้มันลุยกับ Linux kernelKERNEL+0.00% ซึ่งเป็นซอฟต์แวร์ฐานรากที่รันระบบเซิร์ฟเวอร์ส่วนใหญ่บนโลก รวมถึงระบบประมวลผลของ OpenAI เองด้วย

ผลการทดสอบน่าทึ่งมาก เพราะในการทำงานอัตโนมัติเพียงรอบเดียวที่ใช้เวลา 30 ชั่วโมง โมเดล AI นี้สามารถสร้างโค้ดเจาะระบบที่ใช้งานได้จริงถึง 948 รายการ

สถิติสุดทึ่งเบื้องหลังการทดสอบ

เพื่อให้เห็นภาพว่าเรื่องนี้ยิ่งใหญ่แค่ไหน เราต้องลองเปรียบเทียบผู้เชี่ยวชาญด้านความปลอดภัยที่เป็นมนุษย์กับโมเดล AI ใหม่นี้ดู

ระหว่างการทดสอบ AI ได้คัดกรองจุดที่สงสัยเบื้องต้น 2,308 จุด และยืนยันช่องโหว่ประเภท Local Privilege Escalation (LPE) ได้หลายร้อยจุด

ช่องโหว่ LPE นั้นอันตรายมาก ลองนึกภาพแขกที่พักในโรงแรมเจอช่องโหว่ในคีย์การ์ดห้องตัวเอง แล้วใช้มันไขเปิดห้องผู้จัดการใหญ่ได้เลย

ตามปกติแล้ว ผู้เชี่ยวชาญมนุษย์จะหาบั๊ก LPE ใน Linux ได้ประมาณ 20 จุดตลอดทั้งปี แต่ AI ยืนยันได้หลายร้อยจุดในเวลาไม่ถึงสองวัน

นอกจากนี้ การทดสอบยังค้นพบข้อมูลสำคัญอื่นๆ อีกหลายอย่าง:

• โมเดลนี้สร้างโค้ดพิสูจน์แนวคิด (PoC) สำหรับปัญหาหน่วยความจำรั่วไหลที่ใช้งานได้จริงถึง 291 รายการ
• ค้นพบและบันทึกข้อมูลเทคนิคการแฮกรูปแบบใหม่ที่ไม่เคยมีมาก่อนอย่างน้อย 10 ประเภทได้ด้วยตัวเอง
• มันเปลี่ยนมุมมองของนักวิจัยเกี่ยวกับการป้องกันแบบอัตโนมัติไปอย่างสิ้นเชิง

เศรษฐศาสตร์ง่ายๆ ของการล่าบั๊กด้วย AI

การรันซูเปอร์คอมพิวเตอร์ไม่ใช่เรื่องถูกๆ แต่การทดสอบของ OpenAI แสดงให้เห็นว่าการใช้ AI ล่าบั๊กนั้นคุ้มค่าอย่างเหลือเชื่อ

ค่าใช้จ่าย API ทั้งหมดในการทดลองนี้อยู่ที่ 1.2 ล้านดอลลาร์ และเมื่อเฉลี่ยต่อการเจาะระบบที่สำเร็จ การค้นพบบั๊กแต่ละจุดมีต้นทุนเพียงประมาณ $1,279 เท่านั้น

หากลองเปรียบเทียบดู การค้นพบช่องโหว่ระดับวิกฤตในซอฟต์แวร์ใหญ่ๆ มักจะได้เงินรางวัล Bug Bounty สูงถึง 20,000 ถึง 70,000 ดอลลาร์ในตลาด

ลองจินตนาการถึงการจ่ายเงินราว 1,200 ดอลลาร์ให้เครื่องมืออัตโนมัติ เพื่อค้นหาสิ่งที่มีมูลค่าหลายหมื่นดอลลาร์ แรงจูงใจทางการเงินในโลกความปลอดภัยไซเบอร์จึงสูงมหาศาล

ทำไมเรื่องนี้ถึงสำคัญต่อความปลอดภัยของ Web3 และคริปโต

การเปลี่ยนแปลงทางเทคโนโลยีนี้ส่งผลกระทบอย่างใหญ่หลวงต่อโลกคริปโทเคอร์เรนซี เพราะบล็อกเชนสาธารณะต้องพึ่งพาโค้ดแบบโอเพนซอร์สเป็นหลัก

เนื่องจากทุกคนมองเห็นโค้ดโอเพนซอร์สได้ ใครๆ ก็สามารถเข้ามาตรวจสอบเพื่อหาช่องโหว่ได้ ในอดีตโครงการคริปโตมักจะว่าจ้างบริษัทความปลอดภัยมนุษย์มาตรวจสอบโค้ดด้วยมือ

อย่างไรก็ตาม หากระบบ AI สามารถตรวจพบช่องโหว่ใหม่ๆ (Zero-day) ได้ภายในไม่กี่ชั่วโมง การหวังพึ่งพาแค่การตรวจโค้ดโดยมนุษย์เพียงอย่างเดียวอาจล้าสมัยในไม่ช้า

ในด้านหนึ่ง นักพัฒนาสามารถใช้ AI ค้นหาและอุดช่องโหว่ก่อนเปิดใช้งาน แต่ในอีกด้านหนึ่ง ผู้โจมตีก็อาจใช้เครื่องมือ AI ที่คล้ายกันเพื่อค้นหาช่องโหว่ที่ยังไม่ได้แก้ไขได้เช่นกัน

David Schwartz ยังคงลงมือทำเบื้องหลังด้วยตัวเอง

แม้ว่า David Schwartz จะพูดเล่นเรื่องการเกษียณของเขา แต่เขาก็ไม่ได้ละสายตาไปจากหน้าจอคอมพิวเตอร์เสียทีเดียว

แม้จะเป็น CTO กิตติมศักดิ์ เขายังคงรันและเฝ้าติดตามโหนดเซิร์ฟเวอร์ส่วนตัวบนเครือข่าย XRP Ledger ต่อไป

เมื่อไม่นานมานี้ Schwartz ได้แบ่งปันกราฟประสิทธิภาพสดจากโหนดส่วนตัวของเขา พิสูจน์ว่าอุปกรณ์ของเขารองรับการทำงานมหาศาล โดยมีตัวเลขสถิติดังนี้:

• มีการเชื่อมต่อระหว่างโหนด (Peer) ที่ใช้งานอยู่มากกว่า 550 การเชื่อมต่อบนเครือข่าย
• ค่าความหน่วงของเครือข่ายต่ำเพียงประมาณ 200 มิลลิวินาที
• กำลังการประมวลผลรองรับข้อความขาเข้าประมาณ 110,000 ข้อความในทุกๆ วินาที

การแก้ปัญหาบั๊กเครือข่ายจริงในวัยเกษียณ

นอกจากการเฝ้าดูสถิติแล้ว Schwartz ยังมีส่วนร่วมในการพูดคุยเชิงเทคนิคกับ Validator บนเครือข่าย เพื่อให้ XRP Ledger ทำงานได้อย่างราบรื่น

เมื่อเร็วๆ นี้ เขาช่วยวินิจฉัยปัญหาบั๊กในคิวทำธุรกรรมของเครือข่าย ซึ่งบั๊กนี้ทำให้ค่าภาระงาน (Load metric) บนโหนดของเขากระโดดสูงถึง 540

พอค่าภาระงานพุ่งสูงแบบนั้น มันเลยส่งผลให้ค่าธรรมเนียมการทำธุรกรรมพุ่งสูงขึ้นชั่วคราวทั่วทั้งเครือข่าย

ด้วยการเจาะลึกเข้าไปในโค้ดและทำงานร่วมกับเหล่า Validator ทาง Schwartz จึงช่วยค้นหาต้นตอของปัญหา เพื่อให้ค่าธรรมเนียมการทำธุรกรรมกลับมาเสถียรและคาดเดาได้สำหรับผู้ใช้

มองไปข้างหน้ากับความปลอดภัยของ AI และบล็อกเชน

โลกของความปลอดภัยซอฟต์แวร์กำลังเปลี่ยนแปลงเร็วกว่าที่เคย เมื่อระบบ AI เก่งขึ้นเรื่อยๆ การปกป้องเครือข่ายแบบไร้ศูนย์กลางจึงต้องพึ่งพาการป้องกันที่รวดเร็วและเป็นอัตโนมัติมากขึ้น

Schwartz อาจจะก้าวลงจากบทบาทบริหารประจำวันใน Ripple แล้ว แต่การทำงานอย่างต่อเนื่องของเขาแสดงให้เห็นว่า นักพัฒนาที่มีประสบการณ์ยังคงมีความสำคัญอย่างยิ่ง

ไม่ว่าจะผ่านประสบการณ์ของมนุษย์หรือโมเดล AI ที่ก้าวหน้า การรักษาเครือข่ายโอเพนซอร์สให้ปลอดภัยจะยังคงเป็นความร่วมมืออย่างต่อเนื่องเสมอ