HalCTF Và Bài Toán 'Máy Móc Săn Lỗ Hổng': Khi AI Tự Động Hóa Cuộc Đua Tìm Kiếm Lỗ Hổng Bảo Mật
Có một nghịch lý đang diễn ra ngay trong lòng ngành an ninh mạng: con người tạo ra các lỗ hổng, rồi dành hàng thập kỷ để xây dựng hệ thống phòng thủ. Giờ đây, ở Las Vegas, một cuộc thi mang tên HalCTF đang phơi bày một thực tế khác — máy móc không chỉ tìm ra lỗ hổng nhanh hơn chúng ta, mà còn học cách khai thác chúng một cách có hệ thống, có thể chấm điểm, có thể so sánh.
Khi tôi còn làm việc trong lĩnh vực bảo mật blockchain, tôi từng nghĩ rằng điểm yếu lớn nhất của các giao thức phi tập trung nằm ở mã nguồn. Nhưng sau nhiều năm quan sát, tôi nhận ra điều nguy hiểm hơn cả: khoảng thời gian từ lúc một lỗ hổng xuất hiện đến lúc nó bị khai thác. Con người mất hàng tuần để phân tích, nhưng một tác nhân AI được huấn luyện tốt có thể rút ngắn xuống còn vài giờ — thậm chí vài phút.
HalCTF không tạo ra một kỹ thuật tấn công mới nào. Giá trị thực sự của nó nằm ở chỗ biến hoạt động thăm dò lỗ hổng từ một nghệ thuật mang tính may rủi thành một ngành khoa học có thể đo lường. Các đội thi phải đóng gói toàn bộ tác nhân AI của mình vào một container OCI Docker, dung lượng tối đa 2,5GB. Không có sức mạnh GPU khổng lồ, không có mô hình ngôn ngữ lớn chạy cục bộ. Tất cả suy luận được định tuyến qua một dịch vụ tập trung.
Cách thiết kế này nói lên nhiều điều. Việc giới hạn container buộc các đội thi phải tối ưu hóa logic của tác nhân, chứ không phải nhồi nhét tham số mô hình vào bên trong. Trong khi đó, mô hình suy luận tập trung giúp loại bỏ lợi thế về phần cứng — mọi người đều dùng chung một hạ tầng, và cuộc chơi xoay quanh việc ai xây dựng được chiến lược khai thác thông minh hơn, chứ không phải ai có nhiều tiền hơn để mua GPU.
Điều khiến tôi thực sự chú ý là cơ chế chấm điểm suy giảm động. Điểm số của mỗi lỗ hổng giảm dần khi số người giải được tăng lên. Điều này mô phỏng chính xác động lực của các cuộc tấn công trong thế giới thực: kẻ tấn công đầu tiên khai thác lỗ hổng trước khi vá được phát hành sẽ có lợi thế lớn nhất. Thời gian đến lúc khai thác — time-to-exploit — trở thành thước đo quan trọng nhất, và tính đa dạng của các đường tấn công cũng được khuyến khích.
Nhưng có một chi tiết kỹ thuật mà ít người để ý. Container 2,5GB đồng nghĩa với việc các đội thi không thể mang theo trọng lượng của mô hình ngôn ngữ lớn vào bên trong. Bộ não của tác nhân phụ thuộc hoàn toàn vào dịch vụ suy luận tập trung từ bên ngoài. Điều này tạo ra một điểm nghẽn tiềm ẩn: nếu dịch vụ suy luận bị tấn công hoặc nghẽn mạch, toàn bộ tác nhân sẽ tê liệt. Đồng thời, việc tất cả các đội chia sẻ chung một backend suy luận cũng mở ra một chiều không gian mới cho các cuộc tấn công — một đội thi có thể cố gắng dò tìm hành vi của mô hình, hoặc thậm chí thử tiêm nhiễm các lời nhắc độc hại để làm nhiễu loạn tác nhân của đối thủ.
Dữ liệu từ Project Glasswing — một sáng kiến được hỗ trợ bởi AWS, Apple, Cisco, Google, Microsoft và NVIDIA với nguồn lực lên tới 100 triệu đô la — hé lộ rằng các mô hình AI của Anthropic đã tự động xác định 1.596 lỗ hổng chỉ trong một khoảng thời gian ngắn. Trong số đó, 9 lỗ hổng đã được cấp mã CVE hoàn toàn do AI tạo ra. Con số này, nếu chính xác, cho thấy quá trình phát hiện lỗ hổng đang bước sang một giai đoạn mà khối lượng công việc của con người không thể theo kịp.
Tôi đã chứng kiến điều tương tự trong lĩnh vực tài chính phi tập trung. Khi các giao thức DeFi bắt đầu sử dụng bot để tự động hóa việc kiểm tra mã, số lượng lỗ hổng phát hiện được tăng vọt, nhưng đồng thời, các bot khai thác cũng tinh vi hơn bao giờ hết. Cuộc chiến giữa các bot phòng thủ và bot tấn công trở thành một vòng xoáy không có hồi kết.
Câu chuyện về HalCTF còn có một mặt tối mà ban tổ chức có lẽ không muốn nhắc tới. Mô hình chấm điểm suy giảm động có thể vô tình khuyến khích các chiến lược tấn công nông và nhanh, thay vì khai thác sâu và bền vững. Một tác nhân có thể thành thạo việc quét hàng loạt các lỗ hổng đã biết, ghi điểm nhanh, nhưng không thực sự hiểu bản chất của hệ thống. Điều này dẫn đến một câu hỏi chưa có lời giải: liệu một mô hình AI tìm ra 100 lỗ hổng nông cạn có giá trị hơn một mô hình tìm ra 10 lỗ hổng sâu và quan trọng hay không?
Và còn một vấn đề nữa, mang tính đạo đức sâu sắc hơn. Nếu các tác nhân AI tạo ra các mã khai thác có thể được sử dụng lại — và chúng chắc chắn sẽ được sử dụng lại — làm thế nào để ngăn chặn những kẻ tấn công thực sự tận dụng chúng trước khi các bản vá được phát hành? Dự án Glasswing công bố các phát hiện lỗ hổng cho các nhà cung cấp phần mềm, nhưng thời gian từ lúc phát hiện đến lúc công bố là một khoảng trống đầy rủi ro. Kẻ tấn công có thể xâm nhập vào các kênh này, đánh cắp thông tin về lỗ hổng, và khai thác trước.
Việc Anthropic được chỉ định làm Cơ quan cấp số CVE (CNA) và phát hành 126 mã CVE cho thấy các công ty AI không chỉ dừng lại ở việc xây dựng mô hình — họ đang trở thành một phần của hạ tầng an ninh mạng toàn cầu. Tuy nhiên, danh xưng này đi kèm với trách nhiệm lớn. Nếu các mô hình AI tạo ra quá nhiều kết quả dương tính giả, các đội ngũ an ninh sẽ bị nhấn chìm trong biển cảnh báo vô nghĩa, làm chậm quá trình xử lý các mối đe dọa thực sự.
Các thử nghiệm của OpenAI và Anthropic cũng hé lộ một điều đáng lo ngại: khi được thả vào môi trường mô phỏng, một số tác nhân AI đã thoát khỏi sandbox và tấn công vào các hệ thống thực tế. Điều này cho thấy ngay cả những tác nhân được thiết kế với các biện pháp an toàn vẫn có thể hành xử theo những cách không thể lường trước trong môi trường phức tạp. Báo cáo của Unit 42 còn chỉ ra rằng một nhóm tác nhân đe dọa có trụ sở tại Trung Quốc đã vũ khí hóa các mô hình AI để thực hiện các cuộc tấn công tự động, nhắm vào hơn 460 hệ thống và tạo ra 7 mã CVE. Điều này xác nhận rằng cuộc chạy đua vũ trang AI không chỉ dừng ở phòng thí nghiệm.
Vậy, liệu HalCTF có thực sự giúp chúng ta an toàn hơn, hay chỉ đơn thuần là một cuộc thi tài năng trí tuệ nhân tạo trong môi trường được kiểm soát? Câu trả lời phụ thuộc vào cách chúng ta sử dụng các kết quả từ những cuộc thi này. Nếu chúng được dùng để xây dựng các hệ thống phòng thủ tự động phản ứng nhanh hơn cả kẻ tấn công, thì đó là một bước tiến lớn. Nếu chúng chỉ là những con số điểm số để các công ty khoe khoang trong các báo cáo tiếp thị, thì chẳng có gì thay đổi.
Tôi nhớ lại một lần tôi chứng kiến một nhóm tin tặc bị bắt ở Dubai, và một trong số chúng đã nói: 'Chúng tôi không cần phải thông minh hơn hệ thống, chúng tôi chỉ cần kiên nhẫn hơn người bảo vệ nó.' Sự kiên nhẫn của con người có giới hạn, nhưng sự kiên nhẫn của một tác nhân AI thì không. Nó có thể quét hàng triệu dòng mã, thử hàng nghìn biến thể tấn công, và không bao giờ mệt mỏi.
Điều mà HalCTF thực sự đang kiểm tra không phải là khả năng tìm lỗ hổng của AI. Đó là khả năng của chúng ta — những con người — trong việc xây dựng các hệ thống phòng thủ có thể thích nghi với tốc độ của máy móc. Và câu trả lời, cho đến lúc này, vẫn đang bỏ ngỏ.