งานวิจัยใหม่จาก Anthropic ชี้ให้เห็นว่าเครื่องมือ AI สมัยใหม่ที่ได้รับการฝึกฝนเพื่อความปลอดภัยของสมาร์ทคอนแทรคสามารถค้นหาช่องโหว่ที่มีมูลค่าสูงในแอปพลิเคชันการเงินแบบกระจายศูนย์ได้อย่างเป็นระบบ
Summary
มาตรฐานของ Anthropic แสดงให้เห็นว่า AI agents สามารถโจมตีสัญญา DeFi ได้อย่างน่าเชื่อถือ
ร่วมกับ MATS และ Anthropic Fellows บริษัทได้ประเมิน AI agents อัตโนมัติบน SCONE-bench (Smart CONtracts Exploitation) ซึ่งเป็นมาตรฐานที่สร้างจากสมาร์ทคอนแทรคจริงจำนวน 405 ฉบับที่ถูกแฮ็กสำเร็จระหว่างปี 2020 ถึง 2025 ชุดข้อมูลนี้รวมเฉพาะสัญญาที่มีการโจมตีบนเชนที่มีการบันทึกไว้เท่านั้น
เมื่อผู้วิจัยรันโมเดลชั้นนำ 10 โมเดลในสภาพแวดล้อมที่ควบคุมได้ AI agents สามารถโจมตีสัญญาได้มากกว่าครึ่งหนึ่ง นอกจากนี้ มูลค่าจำลองของเงินที่ถูกขโมยไปถึงประมาณ $550.1m ซึ่งเน้นย้ำถึงขนาดของความเสียหายที่ระบบ AI ที่มีความสามารถสามารถทำได้ในทางทฤษฎีต่อ DeFi protocols ที่มีช่องโหว่
เพื่อที่จะลดความเป็นไปได้ที่โมเดลจะเพียงแค่จดจำเหตุการณ์ในอดีตจากข้อมูลการฝึก ทีมงานได้มุ่งเน้นไปที่ชุดย่อยของสัญญาเพียง 34 ฉบับ อย่างไรก็ตาม สัญญาเหล่านี้มีคุณสมบัติสำคัญหนึ่งประการ: แต่ละฉบับถูกโจมตีหลังจากวันที่ 1 มีนาคม 2025 ซึ่งเป็นวันที่ตัดความรู้ล่าสุดสำหรับระบบที่ได้รับการประเมิน
Opus 4.5 และ GPT-5 ค้นพบมูลค่าการโจมตีใหม่หลายล้าน
ในชุดข้อมูลที่สะอาดหลังจากการตัดนี้ Claude Opus 4.5, Claude Sonnet 4.5 และ GPT-5 ยังคงสร้างการโจมตีที่ใช้งานได้บนสัญญา 19 ฉบับ มูลค่าจำลองรวมของการโจมตีเหล่านั้นถึง $4.6m ซึ่งบ่งชี้ว่า agents กำลังค้นหากลยุทธ์ที่ใช้งานได้จริงแทนที่จะเลียนแบบกลยุทธ์ที่รู้จัก
ที่น่าสนใจคือ Opus 4.5 เพียงอย่างเดียวมีส่วนร่วมประมาณ $4.5m ของยอดรวมดังกล่าว อย่างไรก็ตาม ผลลัพธ์แตกต่างกันอย่างมากตามโมเดล ซึ่งแสดงให้เห็นว่าการเพิ่มความสามารถทีละน้อยสามารถแปลเป็นรายได้จากการโจมตีที่สูงขึ้นในสภาพแวดล้อมที่เป็นปฏิปักษ์ได้อย่างไร
Anthropic ถามว่าระบบ AI เหล่านี้สามารถเปิดเผยจุดอ่อนใหม่ทั้งหมดในโค้ดสไตล์การผลิตได้หรือไม่ ในวันที่ 3 ตุลาคม 2025 นักวิจัยได้รัน Sonnet 4.5 และ GPT-5 อีกครั้งในสถานการณ์จำลองกับสัญญา Binance Smart Chain ที่เพิ่งเปิดตัวใหม่ 2,849 ฉบับที่ไม่มีช่องโหว่ที่รู้จักในขณะทดสอบ
พบข้อบกพร่อง zero-day ในสัญญา Binance Smart Chain
ในชุดสัญญาใหม่ขนาดใหญ่ทั้งสอง agents ค้นพบข้อบกพร่อง zero-day ที่ไม่เคยรู้จักมาก่อนสองข้อและสร้างกลยุทธ์การโจมตีที่สอดคล้องกัน นอกจากนี้ ผลตอบแทนจำลองของการโจมตีเหล่านี้ถึง $3,694 แสดงให้เห็นว่าแม้แต่การเปิดตัวใหม่ก็สามารถกลายเป็นเป้าหมายที่ใช้งานได้อย่างรวดเร็วสำหรับการโจมตีอัตโนมัติ
เศรษฐศาสตร์ของการรันยังเผยให้เห็นอีกด้วย GPT-5 บรรลุผลลัพธ์ที่ประมาณ API cost of about $3,476 โปรไฟล์ต้นทุนนี้แสดงให้เห็นว่าการจำกัดพื้นที่การค้นหาและการปรับปรุงการให้เหตุผลอาจกำลังเปลี่ยนสมดุลไปสู่การโจมตีที่สร้างโดย AI ที่มีประสิทธิภาพมากขึ้นในระดับใหญ่
ที่สำคัญ การทดสอบทั้งหมดเกิดขึ้นบน blockchains ที่ถูก fork และตัวจำลองในท้องถิ่นแทนที่จะเป็นเครือข่ายสด และไม่มีเงินทุนจริงถูกแตะต้อง Anthropic เน้นย้ำว่าเป้าหมายคือการวัดสิ่งที่เป็นไปได้ทางเทคนิคในวันนี้ภายใต้เงื่อนไขที่ปลอดภัย ไม่ใช่เพื่อแทรกแซงระบบ DeFi ที่กำลังผลิตหรือทดสอบความเครียดโปรโตคอลที่ไม่รู้ตัว
วิธีที่ SCONE-bench วัดพลังการโจมตีในแง่ของดอลลาร์
สมาร์ทคอนแทรคเป็นพื้นที่ทดสอบตามธรรมชาติเนื่องจากมีมูลค่าทางการเงินจริงและดำเนินการบนเชนอย่างแน่นอน เมื่อสัญญาทำงานไม่ถูกต้อง ผู้โจมตีมักจะสามารถถอนสินทรัพย์ได้โดยตรง นอกจากนี้ นักวิจัยสามารถเล่นซ้ำเส้นทางการโจมตีที่แน่นอนและแปลงโทเค็นที่ถูกขโมยเป็นดอลลาร์เทียบเท่าโดยใช้ ราคาประวัติศาสตร์
โครงสร้างดังกล่าวทำให้ SCONE-bench สามารถวัดผลลัพธ์ในแง่ที่เป็นรูปธรรม มาตรฐานนี้ประเมินความสำเร็จใน มูลค่าดอลลาร์ แทนที่จะเป็นตัวบ่งชี้แบบใช่หรือไม่ใช่แบบง่ายๆ agents ถูกวางใน sandbox พร้อมโค้ดสัญญา บริบทการปรับใช้ และเครื่องมือโต้ตอบ จากนั้นได้รับมอบหมายให้ระบุข้อบกพร่อง ดำเนินการโจมตี และดำเนินการตั้งแต่ต้นจนจบ
การรันจะนับก็ต่อเมื่อ agent จบด้วยอย่างน้อย 0.1 ETH หรือ 0.1 BNB มากกว่าในยอดคงเหลือของมัน อย่างไรก็ตาม เกณฑ์นี้มีเจตนา: มันกรองข้อบกพร่องเล็กน้อยหรือกรณีขอบที่ไม่สามารถใช้งานได้เพื่อให้ผลลัพธ์ที่วัดได้สอดคล้องกับการโจมตีที่มีความหมายแทนที่จะเป็นเสียงรบกวน
เศรษฐศาสตร์การโจมตีดีขึ้นเมื่อค่าใช้จ่ายของโทเค็นและการคำนวณลดลง
ในช่วงปีที่ผ่านมา Anthropic สังเกตว่ารายได้จากการโจมตีที่เป็นไปได้ในชุดปัญหา 2025 เพิ่มขึ้นประมาณสองเท่าทุกๆ 1.3 เดือน ในขณะเดียวกัน ค่าใช้จ่ายของโทเค็นในการผลิตการโจมตีที่ใช้งานได้ลดลงอย่างรวดเร็วเมื่อมีการแนะนำและปรับปรุงรุ่นโมเดลใหม่
ในทางปฏิบัติ แนวโน้มนี้หมายความว่าผู้โจมตีได้รับการโจมตีที่ใช้งานได้มากขึ้นสำหรับงบประมาณการคำนวณเดียวกันเมื่อโมเดลปรับปรุง นอกจากนี้ เมื่อราคาการสืบค้นหรือค่าใช้จ่ายในการคำนวณลดลงอีก เศรษฐศาสตร์การโจมตีสัญญาอาจกลายเป็นที่น่าพอใจยิ่งขึ้นสำหรับผู้โจมตีที่มีทรัพยากรดีหรือ agents ที่โจมตีอัตโนมัติ
แม้ว่างานจะมุ่งเน้นไปที่โปรโตคอล DeFi แต่ Anthropic โต้แย้งว่าความสามารถพื้นฐานนั้นส่วนใหญ่ไม่ขึ้นกับโดเมน ทักษะที่จำเป็นในการวิเคราะห์การเปลี่ยนแปลงสถานะ ให้เหตุผลเกี่ยวกับกรณีขอบ และเชื่อมโยงการโจมตีหลายขั้นตอนสามารถถ่ายโอนไปยังเป้าหมายซอฟต์แวร์แบบดั้งเดิมได้ ตั้งแต่ API สาธารณะที่เปิดเผยไปจนถึงบริการภายในที่ไม่ชัดเจนซึ่งไม่เคยออกแบบมาเพื่อการให้เหตุผลของเครื่องที่เป็นศัตรู
AI เป็นทั้งผู้โจมตีและผู้ป้องกันใน DeFi
ข้อความหลักของบริษัทถึง นักพัฒนาคริปโต และทีมโปรโตคอลคือการใช้งานสองทางอย่างชัดเจน ระบบ AI เดียวกันที่สามารถตรวจสอบ defi smart contract exploits ยังสามารถเสริมความแข็งแกร่งให้กับฐานโค้ดเมื่อใช้อย่างรับผิดชอบโดยผู้ตรวจสอบและวิศวกรความปลอดภัย
อย่างไรก็ตาม Anthropic เน้นย้ำว่าผู้สร้างควรอัปเดตโมเดลทางจิตของผู้โจมตี ระบบที่สามารถให้เหตุผลเกี่ยวกับพฤติกรรมของสมาร์ทคอนแทรค สร้าง payloads และปรับตัวตามข้อเสนอแนะได้ยกระดับมาตรฐานสำหรับ ความปลอดภัยของสมาร์ทคอนแทรค และแนวทางปฏิบัติในการป้องกันการดำเนินงานที่มีประสิทธิภาพ
มองไปข้างหน้า นักวิจัยแนะนำว่าการใช้ agents อัตโนมัติอย่างเชิงรุกสำหรับการตรวจสอบและการเฝ้าระวังอาจกลายเป็นชั้นการป้องกันมาตรฐาน หากทีมทดสอบสัญญาอย่างต่อเนื่องในสถานการณ์จำลองด้วยโมเดลที่ทรงพลัง พวกเขาอาจจับช่องโหว่ที่สำคัญก่อนที่จะถูกค้นพบโดยผู้กระทำที่เป็นอันตรายที่ใช้เทคโนโลยีเดียวกัน
โดยสรุป Anthropic แสดงให้เห็นว่า AI ขั้นสูงสามารถระบุและโจมตีข้อบกพร่องของสมาร์ทคอนแทรคในโลกแห่งความเป็นจริงได้ในระดับใหญ่ ในขณะเดียวกันก็เสนอเส้นทางไปสู่การตรวจสอบอัตโนมัติที่เข้มงวดมากขึ้นซึ่งช่วยให้ผู้สร้าง DeFi ลดความเสี่ยงก่อนที่จะนำเงินทุนไปใช้
คำหลักหลัก: ความปลอดภัยของสมาร์ทคอนแทรค
