Фахівці підрозділу Frontier Red Team компанії Anthropic провели серію експериментів, які підтверджують технічну можливість функціонування моделей штучного інтелекту як компонентів мережевого хробака. Дослідники зосередилися на створенні так званого вагового реплікатора — механізму, який замість поширення класичного виконуваного коду переносить ваги моделі разом із необхідною інфраструктурою для запуску обчислень на скомпрометовані пристрої.
У межах тестів модель Qwen3.5-9B успішно ініціювала сервер логічного виведення на восьми з дев'яти перевірених архітектур. Серед них — комп'ютери Apple Silicon, пристрої NVIDIA Jetson Nano та сервери Xeon. Для оцінки потенційного впливу на малопотужну техніку дослідники застосували модель Gemma4-26B-A4B на п'ятнадцяти телевізійних приставках Android, вартість кожної з яких становить приблизно 55 доларів США. Пристрої, оснащені 4 ГБ оперативної пам'яті, забезпечили сукупну швидкість генерації на рівні 0,39 токена за секунду.
Хоча ці показники залишаються низькими, результати вказують на технічну спроможність налаштування середовища для логічного виведення безпосередньо на кінцевих споживчих пристроях без прямого залучення потужностей великих дата-центрів у довгостроковій перспективі. Експериментальна мережа з восьми вузлів на базі емуляторів Android 15 продемонструвала здатність великої моделі GLM-5.2 координувати процес реплікації через неавтентифіковані порти ADB. У чотирьох із п'яти випробувань процес завершився успішно для всіх восьми вузлів, де модель встановлювала інфраструктуру для роботи меншої моделі Llama 3.1 8B.
Основною перешкодою залишається розрив між інтелектуальними можливостями великих моделей, необхідних для координації, та апаратними обмеженнями дешевих пристроїв, на яких такі моделі не можуть бути запущені. Аналіз ефективності показує значні часові витрати на підготовку середовища: для моделі Qwen3.5-9B процес встановлення триває від 28 до 51 години, а для Gemma4-26B-A4B — від 71 до 150 годин. Така тривалість робить подібний сценарій значно повільнішим за класичне шкідливе програмне забезпечення, що діє за секунди.
Крім того, передача файлів вагою у кілька гігабайтів створює значний мережевий трафік, який легко піддається виявленню сучасними системами моніторингу безпеки та аналізу мережевої активності. Попри виявлені обмеження, автори дослідження попереджають про скорочення технологічного розриву до кінця 2026 року. Використання штучного інтелекту в атаках може зробити шкідливе програмне забезпечення більш адаптивним до невідомих середовищ, мінімізуючи потребу в специфічній інженерній підготовці для кожного типу цільового обладнання.
Гібридні підходи, що поєднують звичайний код для рутинних операцій з інтелектуальним логічним виведенням, можуть виявитися ефективними інструментами, які здатні долати різнорідні бар'єри безпеки в майбутніх кіберзагрозах. Дослідження Anthropic демонструє, що межа між традиційним шкідливим програмним забезпеченням і автономними ШІ-агентами поступово розмивається, і це створює нові виклики для фахівців із кібербезпеки.
4
