Không cần một vụ hack trăm triệu USD để nhận ra hệ sinh thái Bitcoin mong manh đến mức nào. Chỉ cần một nhóm chưa đầy hai chục kỹ sư bảo mật, một chồng mô hình ngôn ngữ lớn, 55 giờ đồng hồ và vỏn vẹn 20.000 USD.
Con số được công bố sau cuộc đua nước rút mang tên Bitcoin Red Team: 425 kho lưu trữ được quét, 6.700 phát hiện tiềm năng, 1.029 xếp loại high hoặc critical. Trung bình gần 16 phát hiện mỗi kho — nếu bạn tin vào phép tính trung bình.
Tôi thì không tin.
Là người đã dành gần một thập kỷ soi từng dòng code của các dự án blockchain, từ những ngày ICO hỗn loạn năm 2017 đến làn sóng AI+Crypto gần đây, tôi biết rằng các con số trung bình che giấu một cấu trúc lệch lạc: một số ít kho lưu trữ thường tạo ra phần lớn phát hiện, và một phần không nhỏ trong "thành quả" sẽ không tái hiện được khi một kỹ sư giàu kinh nghiệm ngồi xuống kiểm tra trực tiếp. Lỗ hổng là manh mối, không phải bản vá. Và manh mối cần được xác minh trước khi được phép gọi là bằng chứng.
Nhưng trước khi bác bỏ hoặc tung hô sự kiện này, hãy nhìn vào những gì đã thực sự diễn ra — và quan trọng hơn, những gì chưa diễn ra ngay trước mắt chúng ta.
Bối cảnh: Khi Coldcard trở thành chất xúc tác
Bitcoin Red Team không phải là một công ty bảo mật. Không có giấy phép kinh doanh, không có website chính thức, không có token, không có đội ngũ nhân viên toàn thời gian. Đó là một sự kiện — một cuộc săn lỗ hổng kéo dài hơn hai ngày, do Rob Hamilton — một nhà nghiên cứu bảo mật từng tham gia điều tra các vấn đề liên quan đến phần cứng ví lạnh — tổ chức.
Chất xúc tác được thừa nhận công khai: vụ việc Coldcard. Hamilton trước đó đã nghiên cứu các lỗ hổng tiềm ẩn trong ví phần cứng, và từ đó nhận ra rằng một cách tiếp cận có hệ thống hơn — quét diện rộng thay vì soi từng dự án một — có thể phát hiện ra những điều mà các cuộc kiểm toán truyền thống bỏ lỡ. Thay vì chờ đợi một dự án mời kiểm toán, hãy chủ động quét tất cả những gì có thể đọc được trên GitHub.
Điều làm cho sự kiện này khác biệt so với mọi thứ tôi từng thấy trong thập kỷ quan sát ngành: nó không sử dụng một đội ngũ kiểm toán viên ngồi đọc code từng dòng một. Nó sử dụng một đường ống xử lý gồm nhiều mô hình AI — Kimi K3, GPT Sol, Fable/Opus, GLM 5.2, cùng OpenAI Cyber Harness cho các thành phần đặc thù — để quét qua hàng trăm kho lưu trữ trong một khoảng thời gian mà một kiểm toán viên con người chỉ kịp đọc xong một dự án nhỏ. Sau đó, các chuyên gia bảo mật con người đóng vai trò người tái hiện và phán quyết: họ định hình câu hỏi, giải thích đầu ra của AI, thử tái tạo lỗ hổng trong môi trường kiểm soát, và quyết định báo cáo nào đáng được công bố.
Đây không phải là một giao thức đồng thuận mới. Không phải một nguyên thủy mật mã học mới. Gọi nó là một sản phẩm blockchain cũng sai nốt. Đây là một thử nghiệm công khai về đường ống quét mã nguồn với sự hỗ trợ của AI — một ứng dụng đáng chú ý trong ngành bảo mật blockchain, nhưng cần được mổ xẻ với con mắt lạnh lùng của một nhà điều tra, không phải với sự phấn khích của một nhà đầu tư.
Core: Tháo dỡ có hệ thống — AI quét, con người phán quyết
Hãy bắt đầu với câu hỏi cốt lõi nhất: thứ này hoạt động như thế nào, giới hạn của nó nằm ở đâu, và điều gì đang thực sự bị che giấu sau các con số?
Trong một bài phân tích bảo mật thông thường, tôi thường phải đối mặt với một câu hỏi về quyền hạn. Với Bitcoin Red Team, vấn đề lại nằm ở hướng ngược lại: AI có thể quét, nhưng không ai biết nó đúng bao nhiêu phần trăm.
Kiến trúc phân tầng: Thợ săn rộng và thẩm phán hẹp
Từ các ghi nhận công khai của những người tham gia, quy trình làm việc của Bitcoin Red Team được chia thành hai tầng rõ rệt. Tầng thứ nhất: các mô hình AI — như một đội ngũ nhân viên được thuê hàng loạt — quét qua toàn bộ mã nguồn của các kho lưu trữ Bitcoin, tìm kiếm các mẫu mã đáng ngờ, các điểm yếu tiềm ẩn, các hàm nhạy cảm với quyền kiểm soát không phù hợp. Tầng thứ hai: các chuyên gia bảo mật con người nhận đầu ra thô từ AI, dùng kiến thức bối cảnh của họ để định hình lại kết quả — xác định xem một đoạn code có thực sự khai thác được hay không, hay chỉ là một mẫu trông giống nguy hiểm nhưng vô hại trong bối cảnh thực tế.
Rob Hamilton nhấn mạnh một điểm quan trọng trong các báo cáo của mình: các chuyên gia có thể thay đổi hoàn toàn kết quả đánh giá chỉ bằng một hoặc hai câu mô tả bối cảnh hoặc một đoạn code nhỏ. Một phát hiện bị xếp loại trung bình có thể leo lên cao hoặc nghiêm trọng khi một chuyên gia giải thích tại sao đoạn code đó lại nguy hiểm trong cách triển khai cụ thể của dự án. Ngược lại, một phát hiện tưởng chừng nghiêm trọng có thể bị hạ bậc nếu chuyên gia nhận ra rằng các điều kiện khai thác trên thực tế không tồn tại.
Điều này vẽ ra một bức tranh rõ ràng về bản chất hệ thống: đây không phải là một cỗ máy tự động tìm lỗ hổng. Đây là một cỗ máy tạo ra các ứng viên — và con người là người phán quyết cuối cùng. Đó là human-in-the-loop, không phải full automation. Sự khác biệt này nghe có vẻ nhỏ, nhưng nó quyết định mọi thứ trong cách chúng ta nên đọc các con số.
Với một nhà điều tra quen tháo dỡ vấn đề thành từng lớp, đây là điểm đáng chú ý nhất về mặt kiến trúc: nó không cố gắng thay thế con người, nó phóng đại khả năng của con người bằng cách xử lý khối lượng công việc gấp hàng trăm lần những gì trước đây một nhóm nhỏ có thể làm trong cùng khoảng thời gian. Nhưng chính ở đây, vấn đề sinh ra. Khi bạn phóng to năng lực quét lên một trăm lần, bạn cũng phóng to năng lực tạo ra tiếng ồn lên một trăm lần. Và không ai trong số những người tham gia công bố một cách định lượng rằng họ đã lọc tiếng ồn tốt đến mức nào.
Số liệu không có mẫu số: Sai sót lớn nhất của một báo cáo tiềm năng
Chúng ta có 6.700 phát hiện. Tuyệt vời. 1.029 xếp loại high hoặc critical. Ấn tượng. Nhưng mọi chuyên gia bảo mật có kinh nghiệm sẽ hỏi ba câu trước khi tin vào những con số này.
Thứ nhất: mẫu số là gì? Nếu bạn quét 425 kho lưu trữ với tổng cộng hàng triệu dòng code, thì 6.700 phát hiện có nghĩa gì nếu không có thông tin về mật độ code, độ phức tạp, ngôn ngữ lập trình, hoặc số dòng code thực tế đã được quét? Một con số tuyệt đối — 6.700 — không có ngữ cảnh sẽ dễ bị hiểu sai theo cả hai hướng: hoặc được thổi phồng để gây sốc, hoặc bị đánh giá thấp vì không biết nó so với mức cơ sở của các kho lưu trữ tương tự là bao nhiêu. Trích từ kinh nghiệm điều tra của tôi: trong vụ Yam Finance năm 2020, khi tôi mở code v1 và xác định chính xác dòng 287 gây ra lỗi overflow — sau khi giá token đã giảm 99% — tôi đã học được rằng một con số được công bố trước khi có xác minh thực tế gần như vô nghĩa về mặt bảo mật.
Thứ hai: tỷ lệ dương tính giả là bao nhiêu? Bài viết gốc và các tài liệu công khai của Bitcoin Red Team không công bố con số này. Không công bố prompt cụ thể, phiên bản mô hình, hay các bước tái tạo để một bên thứ ba độc lập có thể chạy lại quy trình. Trong một bài phân tích trước đây về các lỗ hổng trong hệ thống AI, tôi từng viết: "Khi code là luật, kẻ lỗi là thẩm phán." Nhưng trong trường hợp này, AI đang đóng vai cả luật sư và công tố viên — và không có tòa phúc thẩm độc lập nào kiểm tra lại các phát hiện trước khi chúng được công bố ra công chúng.
Thứ ba: bao nhiêu phát hiện trong số đó đã được tái tạo thực tế trong môi trường kiểm soát? Con số "mười vài lần tiết lộ" — dựa trên tổng số 425 kho lưu trữ và 1.029 ứng viên high hoặc critical — cho thấy một khoảng cách rất lớn giữa phát hiện và xác nhận. Khoảng cách này có thể có hai lý do. Một là quá trình xác nhận diễn ra chậm vì con người không có đủ thời gian để theo kịp AI. Hai là phần lớn phát hiện không vượt qua được sự kiểm tra của con người. Cả hai khả năng đều nghiêm trọng — chỉ theo hai cách khác nhau. Nếu là lý do thứ nhất, thì đây là vấn đề năng suất; nếu là lý do thứ hai, thì đây là vấn đề độ tin cậy.
Dữ liệu hé lộ: Điều gì đang thực sự diễn ra phía sau màn hình?
Nhìn kỹ hơn vào các số liệu được công bố qua từng giai đoạn, chúng ta có thể ghép lại một bức tranh tài chính và vận hành thú vị. Ở giai đoạn 100+ kho lưu trữ, chi phí vượt quá 10.000 USD. Ở giai đoạn 150 kho, chi phí đạt khoảng 20.000 USD. Như vậy, chi phí quét trung bình mỗi kho rơi vào khoảng 130–150 USD — một con số gần như không đáng kể trong ngành bảo mật, nơi một báo cáo kiểm toán chuyên sâu có thể tiêu tốn hàng chục nghìn USD cho chỉ một dự án duy nhất.
Nhưng chi phí thực sự không nằm ở GPU hay API. Nằm ở khâu vận hành: phân loại phát hiện, bàn giao kết quả đến đúng người, liên hệ với chủ dự án, thuyết phục họ rằng một phát hiện là thật và đáng hành động, rồi viết báo cáo có ý nghĩa. Chính Rob Hamilton thừa nhận rằng các điểm nghẽn của hoạt động nằm ở vận hành, bàn giao và phân loại — hoàn toàn không nằm ở khả năng quét của AI. Câu nói đó, với tôi, là dòng chữ quan trọng nhất trong toàn bộ sự kiện này.
Điều này dẫn tới một thực tế mà tôi nhận ra sau nhiều năm điều tra các vụ exploit: AI quét nhanh hơn con người đọc rất nhiều — và khoảng cách đó ngày càng nới rộng. Hãy làm một phép tính nhanh. Nếu 24 người tham gia — trong đó 3 người là bot, tức chỉ khoảng 21 người thật — phải xử lý 6.700 phát hiện, thì trung bình mỗi người cần xem xét hơn 300 mục. Không có kỹ sư bảo mật nào có thể tái hiện 300 lỗ hổng tiềm năng trong vòng vài ngày. Điều đó giải thích một cách tự nhiên tại sao số lần công bố chỉ dừng ở mức "mười vài". Nó cũng nói lên rằng: bất kỳ sự kiện tương tự nào trong tương lai cũng sẽ đối mặt với cùng một điểm nghẽn — không phải sức mạnh tính toán, mà là thời gian và sự chú ý của con người.
Một góc nhìn khác càng làm rõ cấu trúc bên trong: sự phân bố phát hiện. Khi quét khoảng 150 kho lưu trữ, hệ thống đã tạo ra 6.700 phát hiện. Khi mở rộng lên 425 kho, con số tăng thêm 1.738 phát hiện — tức chỉ khoảng 26% tổng số phát hiện được bổ sung trong giai đoạn mở rộng gần gấp ba số kho lưu trữ. Điều này xác nhận nghi ngờ ban đầu của tôi: phân bố phát hiện không đều, một số ít kho lưu trữ — có thể là các dự án lớn, phức tạp hoặc viết bằng ngôn ngữ có rủi ro cao — tạo ra phần lớn các phát hiện nghiêm trọng. Việc mở rộng phạm vi quét có ngưỡng lợi ích cận biên giảm dần. Phần lớn "đất được cày xới" trong đợt đầu tiên; mở rộng diện tích không tự động đồng nghĩa với thu hoạch nhiều hơn.
Góc nhìn chi phí: Bài toán bảo mật phổ quát chưa có lời giải
Sau các vụ sụp đổ của các quỹ DeFi và các cuộc tấn công cầu nối liên chuỗi, chi phí bảo mật đã trở thành một nỗi ám ảnh mang tính cấu trúc. Mỗi dự án đều hiểu rằng một cuộc kiểm toán tốn hàng chục nghìn USD là không đủ, nhưng một cuộc kiểm toán thực sự bài bản có thể tốn hàng trăm nghìn USD — và vẫn có thể bỏ sót một lỗ hổng logic trong một tương tác giữa ba hợp đồng. Với Bitcoin Red Team, chi phí quét rất rẻ: chưa đến 150 USD cho mỗi kho lưu trữ. Nhưng chi phí xác nhận thực tế — công sức của con người — không được đề cập. Và tôi dám cá rằng nó cao hơn nhiều lần chi phí quét.
Đó là lý do tại sao tôi luôn đặt câu hỏi tương tự khi phân tích các sản phẩm AI: nếu chúng ta muốn một hệ sinh thái thực sự an toàn, chúng ta cần trả tiền cho cả AI để tìm lỗ hổng, và cho con người để đọc kết quả. Một nửa của công thức ấy — dù là nửa nào đi nữa — không đủ. Và nếu không ai trả tiền cho nửa còn lại, thì tất cả những gì chúng ta có chỉ là một danh sách dài các mối đe dọa tiềm năng mà không ai có đủ thời gian để phản hồi. Lỗ hổng là manh mối, không phải bản vá — nhưng nếu không ai đọc manh mối, thì cũng giống như không có manh mối.
Góc nhìn ngược: Phe bò đã đúng ở những điểm nào?
Khi một sự kiện tạo ra 1.029 ứng viên high hoặc critical, phản ứng đầu tiên của thị trường thường là hoảng loạn hoặc hoài nghi. Là một nhà điều tra độc lập đã nhiều lần bị cộng đồng chỉ trích vì những phát hiện khó chịu — từ vụ wash-trading Bored Ape năm 2021 đến cảnh báo Terra Luna năm 2022 — tôi buộc phải nhìn vào mặt trái của lập luận phê bình của chính mình. Phe bò — những người ủng hộ Bitcoin Red Team — có những lý lẽ xác đáng đáng được xem xét nghiêm túc.
Thứ nhất: một nghìn ứng viên để xem xét vẫn tốt hơn một nghìn trang quảng cáo về bảo mật. Có thể một phần lớn trong số 1.029 phát hiện là báo động giả. Nhưng nếu chỉ 5% trong số đó là thật, thì đó là hơn 50 lỗ hổng thực sự tiềm ẩn — nhiều hơn những gì hầu hết các cuộc kiểm toán truyền thống phát hiện được trong một năm làm việc với các dự án Bitcoin, đơn giản vì phạm vi bao phủ của họ bị giới hạn bởi số lượng dự án trả tiền thuê họ. Việc biết rằng các vấn đề tồn tại — dù chưa được xác nhận từng cái một — vẫn là một bước tiến so với việc không biết gì cả.
Thứ hai: Calle — một trong những người tham gia, cũng là một nhân vật có uy tín trong cộng đồng Bitcoin — xác nhận rằng hầu hết các báo cáo nghiêm trọng đã được chủ sở hữu dự án xác minh một cách nhanh chóng. Từ "nhanh chóng" trong bối cảnh các cuộc kiểm toán truyền thống thường kéo dài hàng tháng trời, là một tín hiệu đáng chú ý. Có thể đây là sự lạc quan của người trong cuộc — tôi không loại trừ khả năng đó — nhưng nếu đúng, nó cho thấy các dự án Bitcoin, dù có ý thức bảo mật chủ động yếu kém, vẫn phản hồi tốt khi một vấn đề nghiêm trọng được đưa tận cửa nhà. Sự phản hồi này là nền tảng cho toàn bộ mô hình "quét từ bên ngoài rồi báo cáo" — và nếu nó không tồn tại, mô hình này sẽ sụp đổ ngay lập tức.
Thứ ba — và đây là điểm khiến tôi phải thừa nhận sự cần thiết của loại hoạt động này: hạ tầng hợp tác bảo mật của hệ sinh thái Bitcoin yếu kém đến mức bất kỳ sự can thiệp từ bên ngoài nào cũng tốt hơn là không có gì. Khi chưa đầy 19,5% dự án có file SECURITY.md — tức quy trình công bố lỗ hổng chuẩn hóa cho các nhà nghiên cứu bên ngoài — và chỉ 13,1% có email công khai để liên hệ, thì việc có một thực thể bên ngoài chủ động quét mã và trực tiếp liên hệ với nhà phát triển — thay vì chờ một hacker với động cơ xấu tìm thấy lỗ hổng trước — có giá trị thực tế không thể phủ nhận. Đây là nơi Bitcoin Red Team tạo ra thứ mà các nhà kinh tế học gọi là "chức năng ép buộc từ bên ngoài". Nó thô sơ, chưa hoàn thiện, nhưng cần thiết trong một hệ sinh thái mà nhiều dự án không tự bảo vệ mình một cách có hệ thống.
Thứ tư, và quan trọng nhất cho câu chuyện đang thịnh hành về "AI sẽ thay thế kiểm toán viên": AI không thay thế chuyên gia bảo mật; AI chỉ làm cho một chuyên gia trở nên nhanh hơn và bao phủ rộng hơn. Một chuyên gia quen việc ngồi đọc một dự án trong ba tuần giờ đây có thể quét qua ba mươi dự án trong vòng một tuần, khoanh vùng ba mươi vùng nghi vấn, và tập trung thời gian của mình vào nơi quan trọng nhất. Đó là sự tiến bộ về năng suất và phạm vi — không phải sự thay thế về chuyên môn. Những người ủng hộ thông minh của Bitcoin Red Team không nói về sự hoàn hảo của AI. Họ nói về sự kết hợp: AI mở rộng vùng nhìn của con người, và con người mở rộng khả năng của AI bằng bối cảnh mà chỉ sự hiểu biết chuyên sâu mới mang lại.
Takeaway: Ai trả tiền cho người đọc kết quả?
Tôi đã dành ra nhiều năm trong nghề. Từ những ngày ICO hỗn loạn năm 2017 — khi tôi mất 0,5 ETH vào dự án Etherium Gold sau khi tự audit hợp đồng thông minh bằng Remix và phát hiện một backdoor trong hàm withdrawal — qua DeFi Summer 2020 với vụ sụp đổ của Yam Finance mà tôi đã viết post-mortem chi tiết, đến cuộc khủng hoảng Terra Luna năm 2022 khi bài cảnh báo của tôi chỉ có 50 lượt xem trước khi sự kiện 40 tỷ USD xảy ra, rồi đến các dự án AI+Crypto mị dân năm 2024–2026. Một câu hỏi luôn lặp lại: chúng ta đang trả tiền cho ai?
Với Bitcoin Red Team, câu trả lời gây khó chịu: chúng ta đang trả khoảng 20.000 USD cho AI để tạo ra 6.700 manh mối, nhưng chưa ai trả tiền một cách có hệ thống cho con người — các chuyên gia bảo mật, nhà nghiên cứu, điều phối viên — để đọc, xác nhận và hành động trên những manh mối đó. Và đó chính là vấn đề mà tôi muốn nhấn mạnh ở cuối bài này: khi chúng ta xây dựng bất kỳ hệ thống bảo mật nào — dù bằng AI, bằng con người, hay bằng sự kết hợp — điều quyết định giá trị không phải là số lượng cảnh báo, mà là số lượng lỗ hổng được xác nhận và được vá lại.
Khi code là luật, kẻ lỗi là thẩm phán. Nhưng kẻ lỗi trong trường hợp này không phải AI. Cũng không phải các chuyên gia tình nguyện tham gia cuộc săn. Kẻ lỗi là chính chúng ta — những người đứng ngoài nhìn vào các con số và tin rằng 1.029 lỗ hổng "high/critical" là một bản cáo trạng về hệ sinh thái Bitcoin. Nó không phải bản cáo trạng. Đó là một danh sách các câu hỏi đang chờ được trả lời — và không ai đang được trả tiền để trả lời chúng.
Và câu hỏi lớn nhất nằm ngoài danh sách đó: nếu hôm nay chúng ta chấp nhận trả 20.000 USD chỉ để biết rằng hệ sinh thái Bitcoin có thể có hàng nghìn vấn đề chưa được xác nhận, thì ngày mai chúng ta sẵn sàng trả bao nhiêu — và cho ai — để biết rằng những vấn đề đó đã được giải quyết thực sự?
