AI Menemukan Hampir 5.000 Kerentanan Bitcoin dalam 27,5 Jam

Penulis: Xiao Bing

16 orang, 27,5 jam, 4.962 masalah keamanan, 85 kerentanan serius, 635 kerentanan tinggi.

Angka-angka ini berasal dari organisasi sukarelawan bernama Bitcoin Red Team. Dalam dua hari terakhir, mereka melakukan audit keamanan menyeluruh terhadap 390 proyek open-source bitcoin menggunakan model AI, dengan rata-rata 166 temuan yang diajukan per jam, dan masing-masing anggota berhasil mengunci satu kerentanan tingkat serius per jam.

Pendiri protokol Cashu, Calle, mengumumkan laporan pertama di X, dengan empat kata pertama yang merangkum situasi: "Situasi sangat buruk."

Namun, yang benar-benar mengkhawatirkan bukan angkanya sendiri.

Audit ini bukan dimulai tanpa dasar.

Satu minggu lalu, ekosistem Bitcoin mengalami insiden keamanan terbesar dalam sejarah hardware wallet. Wallet Coldcard mengalami kelemahan pada generator angka acak dalam pembaruan firmware tahun 2021, yang memungkinkan kunci pribadi dihitung secara offline. Para penyerang merampok lebih dari 5.200 alamat dalam empat gelombang mulai 30 Juli, dengan data pelacakan dari Galaxy Research menunjukkan kerugian sekitar 1.816 BTC, atau lebih dari $116 juta berdasarkan harga pada saat itu.

Bug ini diam-diam berada dalam kode publik selama lima tahun, siapa pun dapat mengauditnya, hampir tidak ada yang memeriksanya secara sistematis.

Peristiwa Coldcard menjadi pemicunya. Calle dan Rob Hamilton, CEO AnchorWatch, segera membentuk Red Team, mengambil dana dari OpenSats, dan menghabiskan lebih dari $40.000 untuk kekuatan komputasi AI. Model yang mereka gunakan meliputi Kimi K3 dari Moonshot, GPT Sol dari OpenAI, Fable dan Opus dari Anthropic, serta GLM5.2 dari Zhipu.

Pada tahap awal proyek, akses ke model OpenAI dan Anthropic terbatas, sehingga tim terutama mengandalkan model open-source Tiongkok. Detail ini sendiri cukup menarik: para relawan yang memegang AI open-source Tiongkok bertarung sepanjang malam untuk melindungi infrastruktur aset kripto terbesar di dunia.

Data setelah 27,5 jam berbentuk seperti ini: dari 4.962 masalah, 14,5% termasuk kategori berisiko tinggi atau serius, dengan rata-rata 1,85 temuan serius per proyek. Temuan serius paling tinggi berasal dari privasi dan alat CoinJoin, mencapai 24%; diikuti oleh bursa dan protokol pertukaran, 21%. Perpustakaan dan SDK kriptografi menghasilkan jumlah temuan mentah terbanyak (1.101), tetapi persentase seriusnya hanya 10%. 91% temuan diajukan melalui pemindaian otomatis, dan 21% telah direproduksi di lingkungan lokal dengan kode bukti konsep.

Dari 17 kontributor, 14 adalah manusia, dan 3 adalah sistem otomatis.

Rob Hamilton menulis di X: "Bagian paling sulit bukanlah menemukan bug, tapi mengirimkannya ke orang yang tepat."

Di dunia penelitian keamanan tradisional, "penemuan" adalah tahap paling mahal. Seorang peneliti keamanan top mungkin menghabiskan beberapa minggu untuk melakukan reverse engineering terhadap sebuah kode guna menemukan kerentanan yang dapat dieksploitasi. AI menurunkan biaya ini hingga mendekati nol. 16 orang yang bekerja sama dengan model AI dapat menghasilkan output dalam satu hari yang setara dengan pekerjaan beberapa bulan dari sebuah perusahaan audit.

Masalah muncul setelah ditemukan. Hingga rilis laporan, hanya 19 dari 390 proyek yang diaudit (kurang dari 5%) yang telah menyelesaikan pengungkapan hulu. Calle meminta maaf kepada pemelihara di tweet, mengatakan memahami bahwa gelombang laporan meningkatkan tekanan pada mereka, dan tim masih belajar cara menyaring kebisingan. Delapan temuan telah ditarik kembali sebagai laporan salah.

Ini adalah perubahan struktural: AI telah mengubah "mencari bug" menjadi hampir gratis, sehingga bottleneck dalam seluruh alur keamanan berpindah secara drastis dari tahap awal, yaitu penemuan, ke tahap tengah dan akhir: verifikasi, klasifikasi, pengalihan ke pemelihara yang tepat, perbaikan, pengujian, dan penerapan patch. Tahap-tahap ini masih sangat bergantung pada tenaga manusia, masih lambat, dan masih kacau.

Dan inilah keunggulan struktural para penyerang.

Pertahanan harus menyelesaikan seluruh rantai: menemukan kerentanan → memverifikasi → pengungkapan bertanggung jawab → menunggu konfirmasi dari pemelihara → memperbaiki → mendorong patch → pengguna memperbarui. Setiap langkah memiliki hambatan dan keterlambatan.

Penyerang hanya perlu: menemukan kerentanan → memanfaatkannya.

AI membuat titik awal rantai menjadi murah bagi kedua belah pihak. Namun, ketidakseimbangan pada langkah-langkah selanjutnya berarti perlombaan senjata ini secara alami menguntungkan pihak penyerang. Kasus Coldcard merupakan bukti nyata: sebuah bug tahun 2021 yang tersimpan secara terbuka di repositori kode selama lima tahun, tanpa pemindaian sistematis oleh pihak pertahanan, sementara penyerang menggunakan AI untuk menemukan ruang kunci yang dapat diprediksi, dan dalam 41 menit mengambil 1.083 BTC.

Sinyal yang lebih besar telah muncul. Pada April tahun ini, Anthropic memperkenalkan Claude Mythos Preview, sebuah model AI yang ditolak untuk dirilis publik karena risiko keamanan yang terlalu tinggi. Menurut penjelasan Anthropic, Mythos mampu mengidentifikasi satu kerentanan saja dengan biaya komputasi kurang dari 50 dolar AS, dan timnya menggunakannya untuk secara mandiri menemukan cacat dalam sistem operasi OpenBSD yang telah ada selama 27 tahun. OpenBSD adalah salah satu sistem operasi paling aman yang diakui secara global, banyak digunakan untuk menjalankan firewall dan infrastruktur kritis. Oleh karena itu, Anthropic meluncurkan program Project Glasswing, bekerja sama dengan sekitar 40 institusi termasuk AWS, Apple, Microsoft, dan Google, untuk memperbaiki kerentanan tersebut sebelum para penyerang dapat memanfaatkannya.

Pada Mei, tim intelijen ancaman Google mengumumkan tonggak sejarah lainnya: mereka menggagalkan sebuah kelompok kriminal yang memanfaatkan model AI untuk menemukan kerentanan nol-hari dan menulis kode eksploitasi. Kerentanan tersebut adalah bypass otentikasi dua faktor yang tertanam dalam alat manajemen open source yang banyak digunakan. Google mengidentifikasi sumber serangan melalui ciri-ciri AI dalam kode (skor CVSS fiktif, komentar Python yang khas), dan bekerja sama dengan pabrikan untuk memperbaiki kerentanan sebelum kelompok kriminal melancarkan eksploitasi massal.

Kata John Hultquist, Chief Analyst for Threat Intelligence di Google, tidak meninggalkan ruang untuk interpretasi lain: "Pemikiran bahwa perlombaan senjata kerentanan AI akan segera terjadi adalah kesalahpahaman. Kenyataannya, perlombaan ini sudah dimulai."

Ledger CTO Charles Guillemet mengatakan dalam mengevaluasi insiden Coldcard: "Open source dan telah diaudit adalah dua hal yang berbeda."

Kalimat ini menembus gelembung pemahaman yang telah lama ada di industri kripto. Komunitas Bitcoin memiliki kepercayaan hampir religius terhadap sumber terbuka, bahwa kode yang terbuka berarti siapa pun dapat memeriksa, sehingga secara alami aman. Kode Coldcard memang telah terbuka selama lima tahun. Audit Red Team mencakup 390 proyek. Dua fakta ini digabungkan, gambarnya jelas: dapat diaudit tidak sama dengan telah diaudit.

Pengalaman Red Team juga mengungkapkan keterbatasan audit keamanan AI. Calle mengatakan, sebagian besar pekerjaan tim masih berupa "mengarahkan AI secara manual," di mana setiap orang menggunakan cara mereka sendiri untuk memberikan petunjuk ke model, menghasilkan cakupan yang lebih luas dibanding metode seragam. Ini menunjukkan bahwa audit keamanan AI saat ini lebih mirip "ahli manusia yang mengendalikan alat AI" daripada "AI yang berpatroli secara mandiri." Model mampu memindai pola kode dengan cepat, tetapi menilai apakah temuan tersebut benar-benar dapat dimanfaatkan, seberapa besar dampaknya, dan siapa yang harus diberi tahu, tetap memerlukan pengalaman dan penilaian manusia.

Hamilton mengatakan bahwa tim berencana untuk mengopen-source kerangka audit, memungkinkan perusahaan bitcoin menjalankan pemindaian yang sama pada kode tertutup mereka. Ini adalah arah yang tepat, tetapi juga berarti alat yang sama pasti akan jatuh ke tangan penyerang.

Yang sebenarnya diungkapkan oleh audit ini adalah sebuah persamaan baru yang sedang terbentuk:

AI membuat biaya menemukan kerentanan mendekati nol. Namun, biaya memperbaiki kerentanan (koordinasi organisasi, tenaga kerja, migrasi pengguna) tetap mahal dan lambat.

Kekuatan komputasi AI senilai $40.000, dalam 27,5 jam, mampu menggulingkan ekosistem open-source yang mengelola aset bernilai ribuan miliar dolar. Bug Coldcard yang tidak diperhatikan selama lima tahun ditemukan oleh penyerang, dan dalam 41 menit, $116 juta dicuri.

Narrative keamanan bitcoin sedang ditulis ulang.

Logika sebelumnya: "Kode bersifat open source, jadi aman." Logika baru lebih kejam: "Kode bersifat open source, jadi penyerang juga menggunakan AI untuk memindainya."

Satu-satunya keunggulan defender adalah inisiatif pertama, yaitu menemukan dan memperbaiki kerentanan sebelum penyerang melakukannya. Red Team sedang berlomba untuk mendapatkan inisiatif pertama ini, tetapi laporan mereka juga menunjukkan bahwa bahkan ketika inisiatif pertama berhasil diraih, rantai distribusi patch selanjutnya tetap menjadi titik terlemah dalam ekosistem.

Kesulitan yang dihadapi Bitcoin mungkin hanyalah pra-pertunjukan dari perubahan besar yang lebih luas. Seluruh dunia perangkat lunak sumber terbuka segera akan menghadapi pertanyaan yang sama: ketika menemukan Bug tidak lagi memerlukan ahli, tetapi memperbaiki Bug tetap memerlukannya, kesenjangan ini harus diisi dengan apa?