Vitalik Buterin เตือนว่าเอเจนต์ AI สามารถขโมยข้อมูลและแก้ไขการตั้งค่าโดยที่ผู้ใช้ไม่รู้ตัว

Vitalik Buterin เตือนว่า AI บนระบบคลาวด์ก่อให้เกิดความเสี่ยงด้านความเป็นส่วนตัวและความปลอดภัยอย่างร้ายแรง และได้เสนอแนวทางการตั้งค่าแบบเน้นพื้นที่เป็นหลัก เพื่อเก็บข้อมูลผู้ใช้ไว้ห่างจากเซิร์ฟเวอร์ระยะไกล
Soumen Datta
April 3, 2026
สารบัญ
Ethereum ผู้ร่วมก่อตั้ง Vitalik Buterin ได้เตือนว่าระบบ AI สมัยใหม่ก่อให้เกิดความเสี่ยงร้ายแรงต่อความเป็นส่วนตัวและความปลอดภัย และเรียกร้องให้มีการเปลี่ยนไปใช้โครงสร้างพื้นฐาน AI ที่เน้นท้องถิ่นเป็นหลัก
ใน โพสต์บล็อกรายละเอียดบูเทอรินกล่าวว่า เครื่องมือ AI บนคลาวด์ทำให้เซิร์ฟเวอร์ภายนอกสามารถเข้าถึงข้อมูลผู้ใช้ที่ละเอียดอ่อนได้ และระบบเอเจนต์ AI รุ่นใหม่สามารถดำเนินการต่างๆ ได้โดยไม่ต้องขอความเห็นชอบจากผู้ใช้ รวมถึงการแก้ไขการตั้งค่าระบบและการส่งข้อมูลไปยังเซิร์ฟเวอร์ภายนอกโดยไม่มีการแจ้งเตือนใดๆ ให้ผู้ใช้เห็น
ความเสี่ยงด้านความปลอดภัยที่ Buterin เตือนนั้นมีอะไรบ้าง?
ข้อกังวลของบูเทอรินไม่ได้จำกัดอยู่แค่เรื่องความเป็นส่วนตัวทั่วไป เขาได้ระบุถึงความเสี่ยงเฉพาะเจาะจงที่ได้รับการบันทึกไว้ ซึ่งเกี่ยวข้องกับวิธีการทำงานของตัวแทน AI ในทางปฏิบัติ
นักวิจัยด้านความปลอดภัยได้แสดงให้เห็นถึงช่องโหว่เหล่านี้หลายประการในสภาวะจริงแล้ว:
- ตัวแทน AI ได้รับคำสั่งให้สรุปข้อมูลในหน้าเว็บ ซึ่งหนึ่งในนั้นเป็นหน้าเว็บที่เป็นอันตราย หน้าเว็บดังกล่าวสั่งให้ตัวแทนดาวน์โหลดและเรียกใช้สคริปต์เชลล์ ซึ่งจะทำให้บุคคลภายนอกสามารถควบคุมระบบได้
- พบว่าเครื่องมือของเอเจนต์บางตัวทำการส่งคำขอเครือข่ายแบบเงียบๆ ซึ่งส่งข้อมูลผู้ใช้ไปยังเซิร์ฟเวอร์ภายนอกโดยไม่แจ้งให้ผู้ใช้ทราบ
- ทักษะของเอージェนต์ประมาณ 15% ที่นักวิจัยตรวจสอบนั้นมีคำสั่งที่เป็นอันตราย
นอกจากนี้ บูเทอรินยังชี้ให้เห็นถึงความเสี่ยงที่ตรวจจับได้ยากกว่า บางโมเดลอาจมีช่องโหว่ที่ซ่อนอยู่ ซึ่งเป็นคุณสมบัติที่สร้างขึ้นในโมเดลและจะทำงานภายใต้เงื่อนไขเฉพาะ และทำให้ระบบทำงานเพื่อผลประโยชน์ของผู้พัฒนามากกว่าผู้ใช้
เขายังตั้งข้อสังเกตอีกว่า โมเดลส่วนใหญ่ที่อธิบายว่าเป็นโอเพนซอร์ส แท้จริงแล้วเป็นเพียง "โอเพนเวท" เท่านั้น หมายความว่าพารามิเตอร์ของโมเดลนั้นถูกแชร์ แต่โครงสร้างภายในและกระบวนการฝึกฝนทั้งหมดนั้นไม่ได้ถูกแชร์ ทำให้เกิดช่องว่างสำหรับพฤติกรรมที่ไม่ทราบสาเหตุซึ่งผู้ใช้ไม่สามารถตรวจสอบได้ด้วยตนเอง
แชทบอทและเอเจนต์ AI แตกต่างกันอย่างไร?
บูเทอรินมองว่าช่วงเวลานี้เป็นจุดเปลี่ยนผ่านในการใช้งาน AI เครื่องมือ AI ในยุคแรกทำงานในรูปแบบแชทบอท: ผู้ใช้ถามคำถามและโมเดลจะตอบกลับ แต่เอเจนต์นั้นแตกต่างออกไป ผู้ใช้มอบงานให้ระบบ และระบบจะทำงานอย่างอิสระ บางครั้งเป็นเวลานาน โดยใช้เครื่องมือหลายสิบหรือหลายร้อยชิ้นเพื่อทำงานนั้นให้เสร็จ
การเปลี่ยนแปลงดังกล่าวขยายขอบเขตความเสี่ยงอย่างมาก ตัวแทนที่สามารถท่องเว็บ อ่านไฟล์ ส่งข้อความ และแก้ไขการตั้งค่าระบบ มีโอกาสก่อให้เกิดอันตรายได้มากกว่าระบบที่ตอบคำถามเพียงอย่างเดียว ไม่ว่าจะเป็นผ่านช่องโหว่ด้านความปลอดภัย การพยายามแทรกแซง หรือความผิดพลาดง่ายๆ ก็ตาม
วิธีที่บูเทอรินสร้างระบบ AI ท้องถิ่นของตนเอง
บูเทอรินกล่าวว่าเขาได้หยุดใช้เครื่องมือ AI บนคลาวด์แล้ว เขาอธิบายการตั้งค่าส่วนตัวของเขาว่าเป็น "ระบบที่ควบคุมตนเองได้ เป็นระบบภายในองค์กร เป็นส่วนตัว และปลอดภัย" โดยสร้างขึ้นบนหลักการสำคัญสามประการ ได้แก่ การประมวลผล AI ทั้งหมดทำงานบนฮาร์ดแวร์ภายในองค์กร ไฟล์ทั้งหมดถูกจัดเก็บไว้ในเครื่อง และทุกกระบวนการทำงานอยู่ภายในแซนด์บ็อกซ์
ในบริบทนี้ แซนด์บ็อกซ์หมายถึงสภาพแวดล้อมการประมวลผลที่แยกต่างหาก ซึ่งจำกัดสิ่งที่โปรแกรมสามารถเข้าถึงได้ บูเทอรินใช้เครื่องมือที่เรียกว่า บับเบิลแรป ซึ่งช่วยให้เขาสามารถเรียกใช้เครื่องมือ AI ในแซนด์บ็อกซ์ระดับไดเร็กทอรี โดยที่โปรแกรมสามารถมองเห็นได้เฉพาะไฟล์ที่เขาอนุญาตอย่างชัดเจนเท่านั้น พร้อมทั้งมีการควบคุมการเข้าถึงพอร์ตเครือข่ายและการเข้าถึงเสียงด้วย
ทดสอบฮาร์ดแวร์ Buterin สำหรับการอนุมาน AI ในระดับท้องถิ่น
บูเทอรินได้ทดสอบการตั้งค่าฮาร์ดแวร์หลายแบบเพื่อหาสิ่งที่เหมาะสมสำหรับการรันโมเดล AI ในเครื่อง ผลลัพธ์ที่ได้มีความแตกต่างกันอย่างมีนัยสำคัญ:
- แล็ปท็อปที่มี GPU NVIDIA 5090 สามารถประมวลผลได้ประมาณ 90 โทเค็นต่อวินาที โดยใช้โมเดล Qwen3.5:35B
- โปรเซสเซอร์ AMD Ryzen AI Max Pro ที่มีหน่วยความจำแบบรวม 128 GB สามารถประมวลผลได้ประมาณ 51 โทเค็นต่อวินาที
- DGX Spark ซึ่งวางจำหน่ายในฐานะซูเปอร์คอมพิวเตอร์ AI สำหรับใช้งานบนเดสก์ท็อป สามารถประมวลผลโทเค็นได้ประมาณ 60 โทเค็นต่อวินาที
บูเทอรินตั้งเป้าหมายประสิทธิภาพขั้นต่ำที่ใช้งานได้จริงไว้ที่ 50 โทเค็นต่อวินาที เขาอธิบายว่าความเร็วที่ช้ากว่านั้นทำให้ใช้งานจริงได้ยาก และกล่าวว่า 90 โทเค็นต่อวินาทีคือความเร็วที่เหมาะสมที่สุด เขาตั้งข้อสังเกตว่า DGX Spark ทำงานได้ต่ำกว่าที่โฆษณาไว้ โดยมีความเร็วต่ำกว่า GPU ของแล็ปท็อปที่ดีๆ และยังต้องมีการตั้งค่าเครือข่ายเพิ่มเติมเพื่อเชื่อมต่อจากอุปกรณ์ทำงานแยกต่างหากอีกด้วย
ชุดซอฟต์แวร์ของเขามีศูนย์กลางอยู่ที่ llama-server ซึ่งเป็นกระบวนการทำงานเบื้องหลังที่ทำงานในเครื่องของผู้ใช้ และเปิดพอร์ตบนเครื่องของผู้ใช้เพื่อให้แอปพลิเคชันอื่นสามารถเรียกใช้งานได้ これにより ซอฟต์แวร์ใดๆ ที่สร้างขึ้นสำหรับโมเดล OpenAI หรือ Anthropic สามารถเปลี่ยนไปใช้งานโมเดลในเครื่องแทนได้ นอกจากนี้ เขายังใช้ llama-swap เพื่อให้การสลับระหว่างโมเดลทำได้ง่ายขึ้น
แล้วเรื่องนี้จะส่งผลกระทบต่อกระเป๋าเงินดิจิทัลอย่างไร?
ข้อกังวลของ Buterin เกี่ยวกับความปลอดภัยของ AI เชื่อมโยงโดยตรงกับวิธีที่เขาคิดว่าควรใช้ AI ภายในกระเป๋าเงินคริปโต ในความคิดเห็นที่เผยแพร่ในบัญชี Farcaster ของเขาในเดือนมีนาคม 2026 เขาได้อธิบายขั้นตอนการทำงานทางเทคนิคเฉพาะสำหรับธุรกรรมที่ใช้ AI ช่วยเหลือ
จุดยืนของเขาไม่ใช่ว่า AI ควรบริหารจัดการเงินทุน แต่ AI ควรเสนอแนวทางการดำเนินการ โดยมีการตรวจสอบอิสระและการยืนยันจากมนุษย์อยู่บนพื้นฐานของข้อเสนอเหล่านั้น สำหรับธุรกรรมที่มีมูลค่าสูง เขาอธิบายกระบวนการสามขั้นตอนดังนี้: AI เสนอแผน จากนั้นไคลเอนต์ขนาดเล็กในเครื่องจะจำลองการดำเนินการตามแผนนั้นบนบล็อกเชน และผู้ใช้จะตรวจสอบทั้งคำอธิบายที่เป็นภาษาธรรมดาและผลลัพธ์ที่จำลองขึ้นก่อนที่จะยืนยัน
ไคลเอนต์ขนาดเล็กในเครื่องจะตรวจสอบข้อมูลบล็อกเชนโดยไม่ต้องดาวน์โหลดบล็อกเชนทั้งหมด การผสานรวมกับเลเยอร์ AI หมายความว่าผู้ใช้สามารถเห็นได้อย่างชัดเจนว่าธุรกรรมจะดำเนินการอย่างไรก่อนที่จะส่งไปยังเครือข่าย โดยไม่ต้องพึ่งพาอินเทอร์เฟซของบุคคลที่สาม
เหตุใดการลบอินเทอร์เฟซ DApp จึงมีความสำคัญ
ผู้ใช้งานคริปโตส่วนใหญ่โต้ตอบกับแอปพลิเคชันแบบกระจายศูนย์ผ่านทางส่วนติดต่อผู้ใช้บนเว็บเบราว์เซอร์ ซึ่งส่วนติดต่อเหล่านั้นเป็นช่องทางสำคัญในการโจมตีมาโดยตลอด การโจรกรรมส่วนติดต่อผู้ใช้ การแทรกสคริปต์ที่เป็นอันตราย และข้อความขออนุมัติปลอม ส่งผลให้เกิดความเสียหายมูลค่าหลายร้อยล้านดอลลาร์ในช่วงไม่กี่ปีที่ผ่านมา
บูเทอรินแย้งว่ากระเป๋าเงินดิจิทัลที่ใช้ AI สามารถกำจัดอินเทอร์เฟซเหล่านั้นได้อย่างสิ้นเชิง หากผู้ใช้ระบุสิ่งที่ต้องการทำด้วยภาษาที่เข้าใจง่าย และกระเป๋าเงินดิจิทัลรวบรวมและจำลองการทำธุรกรรมโดยตรง ก็จะไม่มีเว็บไซต์ของบุคคลที่สามให้ถูกโจมตีอีกต่อไป
"การกำจัดส่วนติดต่อผู้ใช้ของ DApp ออกไปอย่างสิ้นเชิงจะช่วยแก้ปัญหาช่องโหว่การโจมตีจำนวนมาก ทั้งในด้านการโจรกรรมและการละเมิดความเป็นส่วนตัว" เขากล่าว
สำหรับธุรกรรมที่มีความเสี่ยงต่ำ บูเทอรินมองเห็นโอกาสในการใช้ระบบอัตโนมัติมากขึ้น กระเป๋าเงิน AI สามารถตรวจสอบรูปแบบการทำธุรกรรมเพื่อหาความผิดปกติ แนะนำค่าธรรมเนียมแก๊สตามสภาพเครือข่ายปัจจุบัน กำหนดเส้นทางการแลกเปลี่ยนโทเค็นผ่านเส้นทางที่มีประสิทธิภาพ และแจ้งเตือนการโต้ตอบสัญญาที่น่าสงสัยก่อนอนุมัติ งานเหล่านี้เป็นงานที่สามารถแก้ไขข้อผิดพลาดได้ และระบบอัตโนมัติจะช่วยลดความซับซ้อนสำหรับผู้ใช้ที่ไม่เชี่ยวชาญด้านเทคนิค
ตามที่บิวเทอรินกล่าวไว้ โมเดลภาษาขนาดใหญ่ไม่ควรได้รับความไว้วางใจให้มีอำนาจเหนือเงินจำนวนมากโดยปราศจากการตรวจสอบ โมเดลภาษาขนาดใหญ่สร้างการตอบสนองโดยอิงจากรูปแบบทางสถิติ ไม่ใช่ตรรกะที่แน่นอน พวกมันอาจตีความคำสั่งผิดพลาดหรือถูกบิดเบือนผ่านการแทรกคำสั่ง ซึ่งเป็นเทคนิคที่ใช้ข้อมูลป้อนเข้าที่สร้างขึ้นอย่างระมัดระวังเพื่อทำให้โมเดลทำงานในแบบที่ไม่ได้ตั้งใจ แต่ละชั้นในขั้นตอนการทำงานที่เขาเสนอจะเพิ่มการตรวจสอบอิสระโดยเฉพาะเพื่อป้องกันความล้มเหลวประเภทนั้น
เหตุใดตลาดเอเจนต์ AI จึงทำให้ความเสี่ยงเหล่านี้มีความเร่งด่วนมากขึ้น
ข้อกังวลที่บิวเทอรินยกขึ้นมานั้นไม่ใช่เรื่องสมมติ จากการประมาณการของอุตสาหกรรม ตลาดเอเจนต์ AI มีมูลค่าประมาณ... $ 8 พันล้าน ในปี 2025 มีการคาดการณ์ว่าจะเติบโตขึ้นเป็นมากกว่า 48 พันล้านดอลลาร์ภายในปี 2030 ซึ่งคิดเป็นอัตราการเติบโตต่อปีมากกว่า 43% เนื่องจากมีการสร้างซอฟต์แวร์มากขึ้นสำหรับระบบ AI อัตโนมัติที่ทำงานโดยมีการควบคุมดูแลจากมนุษย์น้อยลง ช่องโหว่ด้านความปลอดภัยที่เขาระบุไว้จึงยากที่จะมองข้ามไปได้ในระดับที่ใหญ่ขึ้น
สรุป
คำเตือนของบูเทอรินได้รับการสนับสนุนจากงานวิจัยที่มีเอกสารยืนยัน ช่องโหว่ด้านความปลอดภัยในระบบ AI ได้รับการพิสูจน์แล้วในสภาพการณ์จริง และการเปลี่ยนจากแชทบอทไปสู่ระบบอัตโนมัติทำให้ความเสี่ยงเหล่านั้นควบคุมได้ยากขึ้น
การตั้งค่าแบบเน้นข้อมูลท้องถิ่นเป็นหลักและขั้นตอนการทำงานของกระเป๋าเงินดิจิทัลสามขั้นตอนของเขา ไม่ใช่การปฏิเสธ AI แต่เป็นการพยายามใช้ AI โดยไม่สูญเสียการควบคุมข้อมูลหรือเงินทุน เมื่อตัวแทน AI มีความสามารถมากขึ้น คำถามที่ว่าใครเป็นผู้ควบคุมการกระทำของพวกมันอย่างแท้จริงจึงยากที่จะมองข้ามไปได้
แหล่งข้อมูล
บทความโดย วิตาลิก บูเทอริน: การตั้งค่า LLM ส่วนตัว/ท้องถิ่น/ปลอดภัยของฉันเอง เมษายน 2026
Vitalik Buterin บน Farcasterโพสต์เมื่อวันที่ 5 มีนาคม
รายงานโดย BCC Researchตลาดเอเจนต์ AI คาดว่าจะเติบโต 43.3% ต่อปีจนถึงปี 2030
คำถามที่พบบ่อย
Vitalik Buterin ระบุความเสี่ยงด้านความปลอดภัยอะไรบ้างที่เกี่ยวข้องกับเครื่องมือ AI?
บูเทอรินระบุความเสี่ยงเฉพาะหลายประการ ได้แก่ ระบบ AI บนคลาวด์ที่จัดเก็บและอาจขายข้อมูลส่วนตัวของผู้ใช้ ตัวแทน AI ที่แก้ไขการตั้งค่าระบบหรือเพิ่มช่องทางการสื่อสารโดยไม่ได้รับการยืนยันจากผู้ใช้ การรั่วไหลของข้อมูลอย่างเงียบๆ ผ่านคำขอเครือข่ายที่ซ่อนอยู่ การโจมตีแบบเจลเบรกที่อินพุตที่เป็นอันตรายควบคุมพฤติกรรมของ AI และช่องโหว่ที่ซ่อนอยู่ในโมเดลที่ทำงานภายใต้เงื่อนไขเฉพาะ การวิจัยที่อ้างถึงในโพสต์ของเขาพบว่าทักษะของตัวแทนประมาณ 15% ที่ตรวจสอบมีคำสั่งที่เป็นอันตราย
การตั้งค่า AI แบบเน้นพื้นที่ท้องถิ่นเป็นหลักคืออะไร และทำไมบูเทอรินถึงแนะนำการตั้งค่าแบบนี้?
การตั้งค่า AI แบบเน้นการทำงานบนเครื่องของตนเอง (local-first) จะทำการอนุมานโมเดลและจัดเก็บไฟล์ทั้งหมดบนฮาร์ดแวร์ของผู้ใช้เอง แทนที่จะใช้เซิร์ฟเวอร์ระยะไกล บูเทอรินแนะนำวิธีการนี้เพราะจะช่วยป้องกันไม่ให้ข้อมูลของผู้ใช้ไปถึงเซิร์ฟเวอร์ภายนอกที่สามารถเข้าถึง จัดเก็บ หรือขายข้อมูลได้ การตั้งค่าของเขาเองใช้ llama-server สำหรับการอนุมานบนเครื่องของตนเอง เครื่องมือแซนด์บ็อกซ์เพื่อแยกกระบวนการ AI และพื้นที่จัดเก็บข้อมูลบนเครื่องสำหรับบันทึกและเอกสารอ้างอิง เขารันโมเดล Qwen3.5:35B บนแล็ปท็อปที่มี GPU NVIDIA 5090 ซึ่งทำได้ประมาณ 90 โทเค็นต่อวินาที
บูเทอรินคิดว่าควรใช้ AI ในกระเป๋าเงินคริปโตอย่างไร?
Buterin สนับสนุนการใช้ AI ในกระเป๋าเงินดิจิทัลในฐานะเลเยอร์สำหรับการเสนอแนะและติดตามตรวจสอบ ไม่ใช่ในฐานะตัวควบคุมเงินทุนแบบอัตโนมัติ สำหรับธุรกรรมที่มีมูลค่าสูง เขาเสนอขั้นตอนการทำงานที่ AI แนะนำการดำเนินการ ไคลเอนต์ขนาดเล็กในเครื่องจำลองผลลัพธ์บนบล็อกเชน และผู้ใช้ยืนยันด้วยตนเองก่อนที่จะส่งออกไป สำหรับงานที่มีความเสี่ยงต่ำกว่า เช่น การแนะนำค่าธรรมเนียมก๊าซหรือการระบุสัญญาที่น่าสงสัย เขาเห็นว่ามีพื้นที่สำหรับการทำงานอัตโนมัติมากขึ้น เขากล่าวอย่างชัดเจนว่าเขาจะไม่ไว้วางใจโมเดลภาษาขนาดใหญ่สำหรับธุรกรรมมูลค่าหลายล้านดอลลาร์เนื่องจากความเสี่ยงของการเกิดภาพลวงตาและการโจมตีแบบฉีดข้อมูลอย่างรวดเร็ว
ข้อจำกัดความรับผิดชอบ
คำเตือน: มุมมองที่แสดงในบทความนี้ไม่จำเป็นต้องแสดงถึงมุมมองของ BSCN ข้อมูลในบทความนี้มีไว้เพื่อวัตถุประสงค์ด้านการศึกษาและความบันเทิงเท่านั้น และไม่ควรตีความว่าเป็นคำแนะนำด้านการลงทุนหรือคำแนะนำใดๆ BSCN จะไม่รับผิดชอบต่อการตัดสินใจลงทุนใดๆ ที่เกิดขึ้นจากข้อมูลในบทความนี้ หากคุณเชื่อว่าควรแก้ไขบทความนี้ โปรดติดต่อทีมงาน BSCN โดยส่งอีเมลไปที่ [ป้องกันอีเมล].
ผู้เขียน
Soumen Dattaโซเมนเป็นนักวิจัยด้านคริปโตตั้งแต่ปี 2020 และสำเร็จการศึกษาระดับปริญญาโทสาขาฟิสิกส์ ผลงานเขียนและงานวิจัยของเขาได้รับการตีพิมพ์ในสื่อสิ่งพิมพ์ต่างๆ เช่น CryptoSlate และ DailyCoin รวมถึง BSCN หัวข้อที่เขาสนใจ ได้แก่ Bitcoin, DeFi และ altcoin ที่มีศักยภาพสูง เช่น Ethereum, Solana, XRP และ Chainlink เขาผสมผสานการวิเคราะห์เชิงลึกเข้ากับความชัดเจนเชิงข่าว เพื่อนำเสนอข้อมูลเชิงลึกสำหรับทั้งผู้อ่านมือใหม่และผู้อ่านคริปโตที่มีประสบการณ์
ข่าว Crypto ล่าสุด
รับข้อมูลอัปเดตเกี่ยวกับข่าวสารและกิจกรรมด้านคริปโตล่าสุด





















