Cuộc đua mới của bảo mật mạng

Hơn một tuần có thể thay cho nhiều tháng

WeWorm được xây dựng trong hơn một tuần. Tốc độ ấy là phần đáng chú ý thứ hai của câu chuyện.

Cho tới gần đây, việc tìm một lỗ hổng chưa từng được biết đến, hiểu cách khai thác nó rồi ghép các bước thành một cuộc tấn công hoạt động được thường đòi hỏi những chuyên gia rất giỏi cùng một lượng thời gian đáng kể. Trí tuệ nhân tạo đang làm ngắn chu trình đó.

Calif đã có một thử nghiệm đáng chú ý trước WeWorm. Vào tháng 4, nhóm của Dương Thái sử dụng phiên bản sớm của Claude Mythos để nghiên cứu macOS. Các nhà nghiên cứu kết hợp hai lỗi phần mềm với một số kỹ thuật khác để làm hỏng bộ nhớ và tiếp cận những vùng trên thiết bị vốn phải được bảo vệ. Nếu ghép thêm các bước khác, phương thức nâng quyền truy cập ấy có thể dẫn tới việc chiếm quyền kiểm soát máy tính. Theo Calif, phần mã khai thác hai lỗi được hoàn thành trong năm ngày.

Đây là một mục tiêu khó. Apple đã dành nhiều năm phát triển các cơ chế bảo vệ bộ nhớ của mình. Michał Zalewski, nhà nghiên cứu bảo mật từng làm việc tại Google và đã xem xét nghiên cứu của Calif, đánh giá kết quả đáng chú ý chính vì mức độ bảo vệ của macOS.

Dương Thái khi đó cũng thận trọng về vai trò của Claude Mythos. Theo ông, mô hình rất giỏi tái hiện những kỹ thuật tấn công đã được ghi nhận. Nhóm chưa thấy nó tự nghĩ ra một kỹ thuật hoàn toàn mới. Kinh nghiệm của người nghiên cứu vẫn cần thiết để nhận ra một hướng đi có giá trị, ghép các manh mối kỹ thuật và kiểm tra xem chuỗi khai thác có thực sự hoạt động.

Với WeWorm, sự phân công ấy tiếp tục hiện rõ. Các mô hình hỗ trợ việc tìm và khai thác lỗ hổng; con người chọn mục tiêu, đánh giá kết quả, thử nghiệm và theo sát quá trình xây dựng sâu máy tính. Dương Thái cho rằng những kỹ năng này được hình thành qua nhiều năm làm việc thủ công.

Những gì Calif quan sát đang diễn ra ở quy mô rộng hơn. Tháng 4/2026, Anthropic khởi động dự án Glasswing và trao quyền sử dụng Claude Mythos Preview cho khoảng 50 tổ chức nhằm tìm lỗ hổng trong các hệ thống quan trọng. Mô hình đã phát hiện hàng nghìn lỗ hổng chưa từng được biết đến trên những hệ điều hành và trình duyệt lớn.

Chỉ vài tuần sau, Anthropic cho biết nhóm đối tác ban đầu đã tìm thấy hơn 10.000 lỗ hổng ở mức nghiêm trọng hoặc đặc biệt nghiêm trọng. Nút thắt bắt đầu chuyển sang việc con người có thể xác minh, thông báo và vá số lượng lỗi ấy nhanh đến đâu.

Bản thân Anthropic cũng thừa nhận mặt nhạy cảm của năng lực mới. Trong thử nghiệm nội bộ, Claude Mythos Preview có thể biến một số lỗ hổng thành thành phần khai thác rồi kết hợp chúng thành chuỗi tấn công hoàn chỉnh. Khả năng này là một trong những lý do Anthropic lựa chọn cung cấp mô hình theo cơ chế hạn chế thay vì phát hành rộng rãi.

Trí tuệ nhân tạo vì thế đang làm nhanh những khâu từng tiêu tốn rất nhiều thời gian của nghề tìm lỗi. Phần khó còn lại ngày càng tập trung vào phán đoán: biết nên theo đuổi phát hiện nào, một lỗi có thể dẫn xa đến đâu và khi nào người nghiên cứu đã có đủ bằng chứng để cảnh báo bên vận hành hệ thống.

Đọc thêm: Cha đẻ của AI: Chúng ta cần những AI ‘không đành lòng nhìn con người khổ đau’

Tìm thấy điểm yếu trước khi người khác tìm thấy

Các lỗ hổng mà nhà sản xuất chưa biết tới từng hiếm đến mức có thể được bán với giá hàng triệu USD. Giá trị ấy phản ánh một thực tế: tìm được chúng khó, khai thác được chúng còn khó hơn.

Khi trí tuệ nhân tạo giảm mạnh thời gian cho cả hai công đoạn, cán cân an ninh mạng bắt đầu phụ thuộc nhiều hơn vào câu hỏi ai phát hiện điểm yếu trước.

Dự án Glasswing của Anthropic được xây dựng quanh chính giả định đó. Công ty ưu tiên đưa những mô hình mạnh tới các tổ chức phòng thủ để họ có thời gian tìm và sửa lỗ hổng trước khi những năng lực tương tự trở nên phổ biến hơn. Đến tháng 6, chương trình được mở rộng thêm khoảng 150 tổ chức tại hơn 15 quốc gia.

Cách Calif xử lý các phát hiện gần đây đi theo một nguyên tắc tương tự. Với WeChat, nhóm báo cho Tencent trước khi công bố. Trong nghiên cứu macOS, Dương Thái và các đồng nghiệp hoàn thành một báo cáo dài 55 trang rồi lái xe từ Palo Alto tới trụ sở Apple ở Cupertino để trực tiếp trình bày kết quả. Chi tiết về phương thức tấn công được giữ lại cho tới khi các lỗi nền tảng được sửa.

Những chuyến đi tới Tencent hay Apple ít gây ấn tượng hơn một sâu máy tính có khả năng lan tới hàng trăm triệu thiết bị. Song đó là phần quyết định ý nghĩa của công việc nghiên cứu bảo mật: cùng một hiểu biết về cách phá một hệ thống có thể trở thành công cụ tấn công hoặc thông tin giúp hệ thống ấy được gia cố.

Trong vài tháng, nhóm Calif đã thử giới hạn của hai môi trường rất khác nhau: macOS, nơi Apple đã đầu tư nhiều năm vào các lớp bảo vệ, và WeChat, nền tảng phục vụ hơn một tỷ người dùng. Ở cả hai lần, trí tuệ nhân tạo giúp quá trình nghiên cứu tiến nhanh hơn; những quyết định quan trọng vẫn nằm trong tay các chuyên gia biết mình đang tìm gì và vì sao cần tìm nó.

Khoảng thời gian từ một lỗ hổng chưa được biết đến tới một cuộc tấn công có thể hoạt động đang ngắn lại. Với người làm phòng thủ, điều đó đặt ra một yêu cầu khá đơn giản nhưng ngày càng khó thực hiện: phải nhìn thấy con đường vào trước người có ý định sử dụng nó.

ĐỌC NGAY

[Cover Story] Huỳnh Bích Ngọc, Phó Chủ tịch thường trực, Tổng giám đốc Tập đoàn TTC: Từ tâm xanh đến những điều để lại

Từ công nghệ đến năng lực tổ chức: Doanh nghiệp tạo lợi thế bằng cách nào?

Bản sắc quản trị Việt: Tương lai nào cho mô hình công ty tại Việt Nam?