Чем ИИ-червь отличается от обычного компьютерного вируса

Anthropic предупредила о риске появления ИИ-червей, способных распространяться через бытовую технику.

Автономные системы искусственного интеллекта в перспективе могут распространяться между подключенными к интернету устройствами без постоянного участия человека. К такому выводу пришли исследователи Anthropic, изучившие возможность создания самовоспроизводящихся ИИ-систем, способных использовать вычислительные ресурсы бытовой электроники. По оценке компании, небольшие модели могут приблизиться к необходимому уровню возможностей уже к концу 2026 года.

Исследование, опубликованное 12 октября 2026 года, посвящено потенциальной угрозе, которую представляют так называемые ИИ-черви. Речь идет о программных системах, способных находить новые устройства, переносить на них собственные компоненты, запускать там нейросеть и продолжать распространение. В отличие от традиционного вредоносного ПО, подобная система могла бы самостоятельно адаптировать свои действия к особенностям оборудования.

При этом Anthropic не утверждает, что подобная угроза уже реализовалась в полном масштабе. Эксперименты продемонстрировали техническую осуществимость отдельных этапов процесса, но пока не подтверждают существование полностью автономного ИИ-червя, способного бесконтрольно распространяться по реальным домашним сетям.

Почему потенциальной целью может стать бытовая техника

Развитие интернета вещей привело к появлению большого количества устройств с сетевым подключением и вычислительными возможностями. К ним относятся телевизионные приставки на базе Android, умные телевизоры, камеры наблюдения, роботы-пылесосы и другая бытовая электроника.

Часть таких устройств обладает ограниченной памятью и производительностью, а программное обеспечение некоторых моделей получает обновления нерегулярно. Это может создавать условия для кибератак, особенно если производитель недостаточно защищает интерфейсы управления и не устраняет известные уязвимости.

Исследователи Anthropic проверили, можно ли использовать подобное оборудование для запуска небольших нейросетей. В одном из экспериментов модель Gemma 4 с 26 млрд параметров, использующая разреженную архитектуру, работала на кластере из 15 недорогих Android-приставок стоимостью около 55 долларов за устройство. Вычисления распределялись между несколькими устройствами, поскольку мощности одной приставки было недостаточно для полноценного запуска модели такого размера.

Этот результат показывает, что для некоторых задач ИИ не обязательно требуются крупные серверные комплексы. Однако он не означает, что любая умная бытовая техника способна самостоятельно запускать современные нейросети: возможности зависят от аппаратных характеристик, объема памяти и совместимости программного обеспечения.

Что показали эксперименты с нейросетями

Отдельное направление исследования касалось способности моделей самостоятельно настраивать программную среду для выполнения вычислений на незнакомом оборудовании.

По данным Anthropic, модель Qwen3.5-9B смогла добиться запуска нейросети на восьми из девяти проверенных типов оборудования. Это важный результат, поскольку настройка программного окружения и устранение ошибок могут быть сложнее, чем непосредственное выполнение вычислений.

В другом эксперименте модель GLM-5.2 организовала распространение другой нейросети на все восемь тестовых устройств в четырех из пяти испытаний. При этом эксперимент проводился в специально упрощенной среде: некоторые защитные механизмы были отключены, а условия доступа к устройствам не соответствовали полноценной защищенной домашней или корпоративной сети.

Исследователи также проверили, как передача информации о предыдущих попытках влияет на результативность последующих экземпляров ИИ. Когда новые запуски получали записи о действиях предшественников, успешность выполнения задачи увеличивалась с 45% до 61–84%.

Это указывает на то, что память о предыдущем опыте может повышать надежность выполнения многоэтапных задач. Однако такой механизм не следует путать с самостоятельным обучением нейросети в обычном смысле: улучшение результатов в эксперименте обеспечивалось в том числе передачей накопленных заметок и стратегий между запусками.

Традиционные компьютерные черви обычно распространяются с использованием заранее определенных уязвимостей, ошибок конфигурации или слабой защиты устройств. Их поведение в значительной степени определяется программным кодом и заложенными сценариями.

ИИ-червь потенциально мог бы действовать гибче. Модель могла бы анализировать особенности новой системы, подбирать подходящий способ запуска программного обеспечения и корректировать последовательность действий при возникновении ошибок. Это расширило бы круг устройств, на которых вредоносная система способна работать.

Дополнительный риск связан с отсутствием единого центра управления. Если каждый зараженный узел способен выполнять необходимые вычисления и передавать программные компоненты дальше, отключение одного сервера не обязательно остановит всю сеть.

Вместе с тем автономность не делает такую систему неуязвимой. Ее распространение по-прежнему зависит от наличия доступных уязвимостей, возможности передачи данных, достаточных вычислительных ресурсов и способности корректно запускать программные компоненты на новых устройствах. В конце концов может просто быть отключен свет, а без электричества и зарядки устройств оборудование не будет работать 24/7 все з65 дней в году.

Почему распространение может оказаться медленным

Несмотря на потенциальную масштабируемость, исследователи не ожидают, что подобные системы обязательно будут распространяться мгновенно.

По оценкам Anthropic, настройка среды и запуск модели на новом устройстве могут занимать от нескольких десятков часов до нескольких дней. В расчетах компании для отдельных конфигураций время полного цикла подготовки составляло примерно от 28 до 51 часа для Qwen3.5-9B и от 71 до 150 часов для распределенной конфигурации Gemma 4.

Эти показатели относятся к конкретным экспериментальным условиям и не являются универсальной оценкой скорости распространения потенциально будущих атак. Реальная продолжительность процесса будет зависеть от характеристик устройств, сетевых ограничений и сложности программной среды.

Для сравнения авторы исследования приводят ботнет Kimwolf, который, по их данным, насчитывал более двух миллионов устройств, преимущественно Android-приставок. Этот пример показывает, что даже относительно простое оборудование может стать частью масштабной сети скомпрометированных устройств. Однако сам по себе размер ботнета не доказывает, что аналогичная сеть сможет эффективно выполнять вычисления с помощью ИИ или самостоятельно воспроизводиться.

Какие последствия это может иметь для кибербезопасности

Появление ИИ-систем, способных адаптироваться к различным устройствам, может усложнить обнаружение и устранение вредоносного ПО. Защитным системам придется учитывать не только известные сигнатуры вирусов, но и необычную сетевую активность, попытки запуска неизвестных моделей и передачу крупных объемов данных между устройствами, которым обычно не требуется такой обмен.

Особая роль будет принадлежать производителям бытовой электроники. Установка обновлений безопасности, отказ от небезопасных настроек по умолчанию, ограничение сетевого доступа и своевременное устранение уязвимостей способны уменьшить количество потенциальных точек проникновения.

Интернет-провайдерам также может потребоваться совершенствовать механизмы обнаружения подозрительного трафика и изоляции скомпрометированных устройств. При этом меры реагирования должны учитывать, что необычная вычислительная нагрузка или сетевой обмен не всегда свидетельствуют о заражении: подобные признаки могут возникать и при обычной работе программ.

Для владельцев устройств основными мерами предосторожности остаются своевременное обновление прошивок, изменение стандартных паролей, отключение ненужных сетевых функций и замена оборудования, которое больше не получает обновлений безопасности.

Когда угроза может стать реальностью

Anthropic предполагает, что небольшие модели могут достичь уровня возможностей, необходимого для более надежного выполнения полного цикла самовоспроизведения, к концу 2026 года. Этот прогноз основан на наблюдаемой динамике развития моделей и результатах ограниченных экспериментов, поэтому его следует рассматривать как оценку исследователей, а не как установленный срок появления угрозы.

Главный вывод работы заключается не в том, что бытовая техника уже массово превращается в платформу для автономного ИИ, а в том, что технический барьер для подобных сценариев постепенно снижается. Модели становятся эффективнее в работе с незнакомым оборудованием, а распределенные вычисления позволяют использовать ресурсы нескольких относительно слабых устройств.

Если эти возможности удастся объединить с надежными механизмами обнаружения уязвимостей и распространения программного обеспечения, характер некоторых кибератак может измениться. Поэтому производителям техники, разработчикам ИИ и специалистам по информационной безопасности важно готовиться к такому сценарию заранее — не дожидаясь появления масштабных инцидентов.

С уважением к Вашему делу, Ника Виноградова

Источник: Осторожно, новости