Η Anthropic δημοσίευσε μια έκθεση με ασυνήθιστο εξοπλισμό: 15 φθηνά Android TV box, περίπου 55 δολάρια το ένα. Πάνω τους οι ερευνητές έτρεξαν ένα γλωσσικό μοντέλο, για να διαπιστώσουν αν θα μπορούσε να εξαπλωθεί μόνο του από συσκευή σε συσκευή, χωρίς data center ή άνθρωπο από πίσω. Η απάντησή τους: όχι ακόμη, αλλά ίσως σε λίγους μήνες.
Για να καταλάβει κανείς τι είναι ένα AI worm, χρειάζεται πρώτα να θυμηθεί τι είναι ένα απλό «σκουλήκι».
Στην κυβερνοασφάλεια, worm λέγεται ένα πρόγραμμα που αντιγράφει τον εαυτό του από υπολογιστή σε υπολογιστή χωρίς ανθρώπινη παρέμβαση. Σε αντίθεση με τον ιό, δεν χρειάζεται κάποιος να ανοίξει ένα αρχείο. Βρίσκει μόνο του τον επόμενο στόχο.
Το πρώτο διάσημο worm γράφτηκε το 1988 από τον φοιτητή του Cornell Robert Morris και μόλυνε περίπου το 10% των μηχανημάτων που ήταν τότε συνδεδεμένα στο δίκτυο.
Το 2016, το Mirai έδειξε πόσο εύκολα πέφτουν οι «έξυπνες» συσκευές του σπιτιού. Κάμερες και router μολύνθηκαν μαζικά, απλώς με δοκιμή των προεπιλεγμένων κωδικών που έβαζαν οι κατασκευαστές. Ένα σύνολο τέτοιων μολυσμένων συσκευών, που ελέγχονται από μακριά, λέγεται botnet.
Ο όρος «AI worm» περιγράφει στην πράξη δύο διαφορετικά πράγματα. Το πρώτο εμφανίστηκε τον Μάρτιο του 2024 και ονομάστηκε Morris II, προς τιμήν του πρώτου worm. Το έφτιαξαν οι ερευνητές Stav Cohen, Ron Bitton και Ben Nassi. Σε αντίθεση με τα παραδοσιακά κακόβουλα λογισμικά που βασίζονται σε εκτελέσιμο κώδικα (όπως C++, Python ή Assembly), το συγκεκριμένο «σκουλήκι» τεχνητής νοημοσύνης χρησιμοποιεί φυσική γλώσσα.
Το Morris II κουβαλά ένα «adversarial self-replicating prompt», που αναγκάζει το μοντέλο να αναπαράγει μια οδηγία στην απάντησή του, μαζί με μια κακόβουλη εντολή.
Οι ερευνητές το δοκίμασαν στο εργαστήριο σε AI βοηθούς email που βασίζονταν σε Gemini Pro, ChatGPT 4.0 και LLaVA. Ένα «μολυσμένο» email περνούσε στη βάση δεδομένων του βοηθού. Όταν ο βοηθός έγραφε αυτόματα απάντηση, έστελνε μαζί και το prompt στον επόμενο παραλήπτη, ενώ μπορούσε να διαρρέει προσωπικά δεδομένα ή να στέλνει spam. Ο χρήστης δεν χρειαζόταν να πατήσει τίποτα.
Ο δεύτερος τύπος είναι αυτός που εξετάζει η Anthropic. Εδώ το ίδιο το μοντέλο γίνεται το κακόβουλο λογισμικό. Το worm κουβαλά μαζί του τα «βάρη» του μοντέλου, δηλαδή τους αριθμούς που το κάνουν να λειτουργεί, ή τα κατεβάζει από δημόσιο αποθετήριο. Μετά τα τρέχει πάνω στη συσκευή που παραβίασε.
Η Anthropic σπάει τη διαδικασία σε τέσσερα στάδια:
Τα δύο πρώτα στάδια είναι κλασικό hacking, και προηγούμενες έρευνες έχουν δείξει ότι τα μικρά μοντέλα τα καταφέρνουν, με τα κατάλληλα εργαλεία. Το τρίτο είναι το λιγότερο μελετημένο: το μοντέλο πρέπει να καταλάβει μόνο του τι υλικό έχει μπροστά του, να διαλέξει λογισμικό και να διορθώσει τα λάθη.
Οι κάρτες γραφικών των data center θα ήταν προφανής στόχος για ένα τέτοιο worm, αλλά είναι και καλά προστατευμένες. Οι συσκευές του σπιτιού είναι φθηνές, πολλές και συνήθως αφύλακτες.
Τα off-brand Android TV boxes τρέχουν παραλλαγές του Android στις οποίες οι κατασκευαστές δεν προσθέτουν χαρακτηριστικά ασφαλείας. Το botnet Kimwolf μόλυνε πάνω από δύο εκατομμύρια συσκευές, κυρίως τέτοια κουτιά.
Κάθε κουτί έχει λίγη μνήμη, συνήθως 1 έως 4 GB. Ένα μοντέλο όμως μπορεί να «κοπεί» σε κομμάτια και να μοιραστεί σε πολλά μηχανήματα. Η Anthropic αναφέρει ως πιθανούς ξενιστές ακόμη και έξυπνα ψυγεία, φούρνους ή ρομποτικές σκούπες.
Ένα συμβατικό botnet είναι γραμμένο για συγκεκριμένο τύπο συσκευής: το Kimwolf στόχευε Android TV και κινητά. Ένα AI worm δεν δένεται με συγκεκριμένο hardware. Στις δοκιμές της Anthropic, ένα μοντέλο 9 δισεκατομμυρίων παραμέτρων κατάφερε να στήσει inference σε 8 από τους 9 τύπους hardware, από μικρές πλακέτες Jetson Nano μέχρι Mac.
«Μέχρι στιγμής, οποιοδήποτε κακόβουλο λογισμικό είναι στατικό, με την έννοια ότι έχει έναν συγκεκριμένο τρόπο να επιτίθεται, να αναπαράγεται ή να κρύβεται», λέει στο WIRED Greece ο Κωνσταντίνος Πατσάκης, καθηγητής στο Τμήμα Πληροφορικής του Πανεπιστημίου Πειραιώς. Botnets όπως το Mirai και το Gafgyt «ψάχνουν συγκεκριμένα ευάλωτα σημεία, έχουν μια λίστα με συγκεκριμένα credentials που θα χρησιμοποιήσουν και θα εκτελέσουν συγκεκριμένες εντολές». Γι’ αυτό οι ειδικοί μπορούν να τα παρακολουθούν και να απομονώνουν συστήματα. Με την τεχνητή νοημοσύνη, το κακόβουλο λογισμικό θα μπορούσε «να ανακαλύψει αυτόματα νέα τρωτά σημεία που δεν μας είναι γνωστά και να αλλάζει πολύ πιο γρήγορα απ’ όσο μπορούμε να δημιουργήσουμε εμείς μέτρα προστασίας». Όπως το συνοψίζει, «μιλάμε για διαφορά τόσο σε κλίμακα όσο σε ταχύτητα, αλλά και σε αποτελέσματα».
Η δεύτερη διαφορά είναι ότι μπορεί να μαθαίνει στην πορεία. Κάθε αντίγραφο του μοντέλου Qwen3.5-9B κρατούσε σημειώσεις για ό,τι δοκίμασε και ό,τι απέτυχε, και τις παρέδιδε στο επόμενο. Η επιτυχία ανέβηκε από 45% στην πρώτη γενιά σε 61% έως 84% στις επόμενες.
Κανένα AI worm δεν κυκλοφορεί σήμερα στο διαδίκτυο. Για να υπάρξει, το μοντέλο πρέπει να είναι αρκετά ικανό για να ολοκληρώνει τον κύκλο, και αρκετά μικρό για να χωράει στις συσκευές που μολύνει. Σήμερα κανένα μοντέλο δεν πληροί και τα δύο.
Σε ένα κλειστό δίκτυο οκτώ εικονικών μηχανημάτων Android, μόνο το μεγαλύτερο GLM-5.2 ολοκλήρωσε όλο τον κύκλο. Αν τα μικρά μοντέλα συνεχίσουν να βελτιώνονται με τον ρυθμό που καταγράφει ο δείκτης της Epoch AI, θα φτάσουν αυτό το επίπεδο ως το τέλος του 2026. Οι ίδιοι οι ερευνητές το χαρακτηρίζουν πρόχειρη εκτίμηση.
Το πείραμα είχε και μια σημαντική ευκολία. Η «διάρρηξη» έγινε μέσω θύρας ADB χωρίς κωδικό, άρα τα αποτελέσματα είναι ανώτατο όριο για τον πραγματικό κόσμο. Ακόμη κι αν εμφανιστεί, ένα τέτοιο worm θα ήταν αργό: ένα μοντέλο 9 δισεκατομμυρίων παραμέτρων θα χρειαζόταν 28 έως 51 ώρες για να στηθεί σε νέο ξενιστή.
Ο Πατσάκης κάνει μια διάκριση. Μέσα σε λίγους μήνες θεωρεί πιθανά κακόβουλα προγράμματα που θα κάνουν «στοιχειώδεις αυτόματες αλλαγές», με το μοντέλο να ελέγχεται κεντρικά. Ένα worm που θα το κάνει «αυτόνομα, μόνο του σε κάθε μόλυνση» το θεωρεί «αδύνατο αυτή τη στιγμή», λόγω των υπολογιστικών και αποθηκευτικών πόρων που απαιτούνται.
Η Anthropic περιγράφει την άμυνα με όρους επιδημίας: ο στόχος είναι να πέσει το R₀ κάτω από 1, δηλαδή κάθε μολυσμένη συσκευή να μολύνει λιγότερες από μία νέες.
Ένα τέτοιο worm θα άφηνε ίχνη. Οι νέοι ξενιστές θα κατέβαζαν μοντέλα πολλών gigabyte, και τα κομμάτια του μοντέλου θα «μιλούσαν» συνεχώς μεταξύ τους. Αυτή η κίνηση θα φαινόταν στα συστήματα παρακολούθησης των παρόχων.
Το προηγούμενο του Mirai δίνει ένα μέτρο. Όταν ένας πάροχος έβαλε σε καραντίνα τους μολυσμένους συνδρομητές και τους ειδοποίησε, το 92% των μολύνσεων καθαρίστηκε σε 14 ημέρες, έναντι 74% χωρίς ειδοποίηση.
Για το πώς θα έμοιαζε ένα τέτοιο worm, οι ερευνητές διάλεξαν μια εικόνα από τη βιολογία: έναν ψηφιακό βλεννομύκητα που ζει σε ανασφαλείς συσκευές και πολλαπλασιάζεται μέσα σε μέρες.
Για τον Πατσάκη, οι βασικές άμυνες δεν αλλάζουν ουσιαστικά: όσο λιγότερες συσκευές εκτεθειμένες στο διαδίκτυο, ενημερωμένο λογισμικό, δύσκολοι κωδικοί, firewall και πρόγραμμα προστασίας από κακόβουλο λογισμικό. «Ο συνδυασμός των παραπάνω, αν είναι συνεχής, μπορεί να προσφέρει αρκετές εγγυήσεις ότι δεν θα υπάρχει πρόβλημα», λέει. «Το κλειδί είναι η συνέχεια και η συνέπεια».
Με την εγγραφή σας, συμφωνείτε με τους Όρους Χρήσης μας (συμπεριλαμβανομένης της παραίτησης από ομαδικές αγωγές και των διατάξεων διαιτησίας) και αναγνωρίζετε την Πολιτική Απορρήτου μας.
