บั๊กปลอมแปลง Zcash ซ่อนนาน 4 ปี…AI พบช่องโหว่ความปลอดภัย

ปัญญาประดิษฐ์ (AI) กำลังช่วยวิเคราะห์โค้ดสินทรัพย์ดิจิทัลที่เปิดเผยมานาน และเผยช่องโหว่กับเส้นทางโจมตีที่นักวิจัยมนุษย์พลาดไป ใน Zcash(ZEC) พบข้อบกพร่องที่ทำให้สร้างเหรียญปลอมได้ไม่จำกัด ขณะที่ Coldcard เผชิญการขโมยบิตคอยน์ที่เชื่อมโยงกับข้อผิดพลาดในเฟิร์มแวร์รุ่นเก่า

Shielded Labs เปิดเผยเมื่อวันที่ 29 พฤษภาคมว่า พบช่องโหว่ในวงจร Orchard ของ Zcash ระหว่างการตรวจสอบที่มี AI ช่วยเหลือ ข้อบกพร่องดังกล่าวเป็น ‘soundness failure’ หรือความล้มเหลวของเงื่อนไขการตรวจสอบหลักฐานแบบ zero-knowledge ที่ถูกจำกัดไม่เพียงพอ ทำให้ผู้โจมตีสร้างข้อมูลที่ดูเหมือนหลักฐานปกติและผลิต ZEC ปลอมได้ไม่จำกัดโดยไม่ถูกตรวจจับ

การตรวจสอบใช้ Claude Opus 4.8 ของ Anthropic และเอเจนต์ตรวจสอบที่ปรับแต่งเฉพาะ หลังจากนั้นทีมงานได้เขียนโค้ดโจมตีจริงในสภาพแวดล้อมทดสอบภายในเครื่อง และยืนยันความเป็นไปได้ในการสร้าง ZEC ปลอม ก่อนดำเนินการแก้ไขฉุกเฉินเสร็จสิ้นภายในวันที่ 2 มิถุนายน ยังไม่มีการยืนยันว่าช่องโหว่นี้ถูกใช้โจมตีบนเมนเน็ต

Orchard Pool เป็นพื้นที่ธุรกรรมแบบรักษาความเป็นส่วนตัวของ Zcash บทความก่อนหน้าของ TokenPost ว่าด้วย ข้อจำกัด Orchard Pool และการเปิดตัว Ironwood Pool ของ Zcash ระบุถึงแนวทางจำกัดปริมาณเงินสูงสุดที่อาจไหลออกสู่ภายนอก แม้เกิดข้อผิดพลาดในระบบ zero-knowledge proof ซึ่งช่วยเสริมการตรวจสอบปริมาณเหรียญ

กรณีนี้ไม่ได้หมายความว่า AI ทำลายระบบเข้ารหัสรูปแบบใหม่ได้ แต่สะท้อนว่า AI สามารถช่วยจำกัดขอบเขตของข้อผิดพลาดเชิงตรรกะในโค้ดสาธารณะที่มนุษย์ค้นหาไม่พบเป็นเวลานาน และตรวจสอบความเป็นไปได้ในการโจมตีได้รวดเร็วขึ้น โค้ดสาธารณะและระบบอัตโนมัติด้านธุรกรรมจึงอาจกลายเป็นเป้าหมายของการวิเคราะห์การโจมตีมากขึ้น

ในกรณี Coldcard ข้อผิดพลาดในการสร้างตัวเลขสุ่มของเฟิร์มแวร์ปี 2021 กลายเป็นช่องทางโจมตีในเวลาต่อมา CoinKite ระบุว่า seed บางส่วนมีความสุ่มไม่เพียงพอ ทำให้ผู้โจมตีสร้างซ้ำแบบออฟไลน์ได้ ขณะที่ Galaxy Research ประเมินความเสียหายที่ยืนยันแล้วไว้ที่ 1,778.84 BTC จากที่อยู่มากกว่า 8,600 แห่ง คิดเป็นมูลค่า 112.7 ล้านดอลลาร์(ประมาณ 1.563 แสนล้านวอน)

เฟิร์มแวร์ที่มีช่องโหว่มีอยู่ตั้งแต่ปี 2021 ส่วนบิตคอยน์ที่เชื่อมโยงกับ seed ดังกล่าวถูกขโมยหลายครั้งตั้งแต่ปลายเดือนกรกฎาคม 2026 ยังไม่มีการยืนยันว่าผู้โจมตีใช้ AI จริงหรือไม่ เหตุการณ์นี้แสดงให้เห็นว่าแม้ช่องโหว่จะเกิดขึ้นมานาน การขโมยเงินอาจเกิดขึ้นในอีกหลายปีต่อมา

ยังมีกรณีที่ AI แปลงข้อมูลภายนอกเป็นคำสั่งธุรกรรม เมื่อวันที่ 4 พฤษภาคมในเหตุการณ์ Bankr ผู้โจมตีโพสต์รหัสมอร์สบน X และ Grok ตีความเป็นคำสั่ง ก่อนที่บอตของ Bankr จะโอนเงินประมาณ 3,000 ล้าน DRB Agent Wormhole ประเมินความเสียหายในขณะนั้นไว้ที่ประมาณ 150,000–200,000 ดอลลาร์(ประมาณ 208–277 ล้านบาท)

ประเด็นสำคัญของเหตุการณ์นี้ไม่ใช่การเข้ารหัส แต่เป็นการออกแบบสิทธิ์ AI ประมวลผลข้อมูลภายนอกที่เปิดเผยเป็นคำขอแปลภาษา จากนั้นระบบธุรกรรมอีกชุดกลับยอมรับผลลัพธ์เป็นคำสั่งที่ดำเนินการได้ โครงสร้างที่ไม่มีขั้นตอนยืนยันเพิ่มเติมและไม่มีเพดานการใช้จ่ายที่เพียงพอทำให้ความเสียหายรุนแรงขึ้น

ในสัญญาอัจฉริยะ การที่โค้ดไม่เปิดเผยก็อาจเพิ่มความเสี่ยงในการโจมตี Chainalysis วิเคราะห์ว่า ในช่วง 6 เดือนที่ผ่านมา เงินประมาณ 36.7 ล้านดอลลาร์(ประมาณ 509 ล้านบาท) ถูกขโมยจากสัญญาอัจฉริยะที่ไม่ได้ตรวจสอบซอร์สโค้ด ผู้โจมตีต้องดีคอมไพล์ bytecode ของสัญญาเพื่อค้นหาช่องโหว่ และมีการตั้งข้อสังเกตว่าเครื่องมือ AI อาจช่วยลดต้นทุนของการทำวิศวกรรมย้อนกลับได้

การซ่อนข้อมูลคำสั่งและควบคุมมัลแวร์ไว้บนบล็อกเชน หรือ ‘blockchain dead drop’ ก็เพิ่มขึ้นเช่นกัน Chainalysis ระบุว่า ข้อมูลอันตรายที่ถูกบันทึกเพิ่มจากเฉลี่ย 2.06 รายการต่อวันเป็น 11.1 รายการ หลังการเกิดขึ้นของโมเดล AI จีนแบบโอเพนซอร์สประสิทธิภาพสูง หรือเพิ่มขึ้น 440% ตัวเลขนี้ไม่ได้หมายความว่า AI เป็นผู้ดำเนินการโจมตีแต่ละครั้งโดยตรง แต่สะท้อนว่าต้นทุนเริ่มต้นของการสร้างโครงสร้างพื้นฐานโจมตีอาจลดลง

AI ยังถูกใช้เป็นเครื่องมือประชาสัมพันธ์การหลอกลวงด้วย TRM Labs ระบุว่า ระหว่างเดือนกุมภาพันธ์ถึงสิงหาคม 2026 มีผู้คน 224 รายโอนเงินรวม 274.60 ETH คิดเป็นประมาณ 517,205 ดอลลาร์(ประมาณ 717 ล้านบาท) ไปยังสัญญาอัจฉริยะอันตราย 234 รายการที่เกี่ยวข้องกับวิดีโอ YouTube 9 รายการ ซึ่งโฆษณา ‘บอตเก็งกำไรที่ Claude สร้างขึ้น’

กรณีเหล่านี้ยังไม่มีหลักฐานว่า AI ถอดรหัสการเข้ารหัสของบิตคอยน์(BTC) ได้ AI ถูกนำไปใช้เพื่อสแกนโค้ดเก่าและสัญญาที่ไม่เปิดเผยอย่างรวดเร็ว แปลงข้อมูลภายนอกเป็นคำสั่งธุรกรรม อธิบายเครื่องมือโจมตี หรือสร้างข้อความประชาสัมพันธ์เพื่อหลอกลวง

การตรวจสอบความปลอดภัยจึงต้องแยกยืนยันเป็นรายประเด็น ได้แก่ การค้นพบช่องโหว่ การถูกใช้โจมตีจริง ขนาดความเสียหาย และการใช้ AI ของผู้โจมตี กรณี Zcash ยืนยันการสร้างเหรียญปลอมได้ในสภาพแวดล้อมทดสอบภายในเครื่อง แต่การถูกใช้บนเมนเน็ตเป็นอีกประเด็นหนึ่ง เช่นเดียวกับกรณี Coldcard ที่ต้องแยกพิจารณาขนาดความเสียหายและการใช้ AI

สำหรับผู้ใช้งานและผู้ให้บริการในประเทศ จุดที่ต้องตรวจสอบมีความชัดเจน ได้แก่ seed ที่สร้างจากเฟิร์มแวร์รุ่นเก่า สัญญาอัจฉริยะที่ยังไม่ได้ตรวจสอบ และระบบอัตโนมัติที่เปลี่ยนข้อมูลภายนอกเป็นคำสั่งธุรกรรมทันที ทั้งหมดนี้ต้องมีการจำกัดสิทธิ์และขั้นตอนตรวจสอบซ้ำแยกกัน

เหตุการณ์เหล่านี้ชี้ว่า ความเสี่ยงของโค้ดและเฟิร์มแวร์เก่าไม่ได้หายไปเพียงเพราะการตรวจสอบความปลอดภัยเสร็จสิ้นหนึ่งครั้ง หลังพบช่องโหว่ ยังจำเป็นต้องแยกตรวจสอบว่ามีการโจมตีจริงหรือไม่ ความเสียหายมีขนาดเท่าใด และใครเป็นผู้โจมตี โดยวงการสินทรัพย์ดิจิทัลจะยังให้ความสนใจกับการนำ AI มาใช้ในงานตรวจสอบและการโจมตีต่อไป