Специалисты подразделения Frontier Red Team компании Anthropic провели эксперименты, подтверждающие возможность функционирования моделей искусственного интеллекта в качестве компонентов сетевого червя. Исследователи сосредоточились на разработке так называемого весового репликатора, который вместо распространения классического исполняемого программного кода переносит веса модели вместе с необходимой инфраструктурой для запуска вычислений на скомпрометированные устройства. В рамках тестов модель Qwen3.5-9B успешно инициировала сервер логического вывода на восьми из девяти проверенных архитектур, включая компьютеры Apple Silicon, устройства NVIDIA Jetson Nano и серверы Xeon.
Для оценки потенциального влияния на маломощную технику исследователи применили модель Gemma4-26B-A4B на пятнадцати телевизионных приставках Android, стоимость каждой из которых составляет примерно 55 долларов США. Устройства, оснащенные 4 ГБ оперативной памяти, обеспечили совокупную скорость генерации на уровне 0,39 токена в секунду. Хотя эти показатели остаются низкими, результаты указывают на техническую возможность настройки среды для логического вывода непосредственно на конечных потребительских устройствах без прямого привлечения мощностей крупных дата-центров в долгосрочной перспективе.
Экспериментальная сеть из восьми узлов на базе эмуляторов Android 15 продемонстрировала способность большой модели GLM-5.2 координировать процесс репликации через неаутентифицированные порты ADB. В четырех из пяти испытаний процесс завершился успешно для всех восьми узлов, где модель устанавливала инфраструктуру для работы меньшей модели Llama 3.1 8B. Основным препятствием остается разрыв между интеллектуальными возможностями больших моделей, необходимых для координации, и аппаратными ограничениями дешевых устройств, на которых такие модели не могут быть запущены.
Анализ эффективности показывает значительные временные затраты на подготовку среды: для модели Qwen3.5-9B процесс установки длится от 28 до 51 часа, а для Gemma4-26B-A4B — от 71 до 150 часов. Такая продолжительность делает подобный сценарий значительно медленнее классического вредоносного программного обеспечения, действующего за секунды. Кроме того, передача файлов весом в несколько гигабайтов создает значительный сетевой трафик, который легко поддается обнаружению современными системами мониторинга безопасности и анализа сетевой активности.
Несмотря на выявленные ограничения, авторы исследования предупреждают о сокращении технологического разрыва к концу 2026 года. Использование искусственного интеллекта в атаках может сделать вредоносное программное обеспечение более адаптивным к неизвестным средам, минимизируя потребность в специфической инженерной подготовке для каждого типа целевого оборудования. Гибридные подходы, сочетающие обычный код для рутинных операций с интеллектуальным логическим выводом, могут оказаться эффективными инструментами, способными преодолевать разнородные барьеры безопасности в будущих киберугрозах.
