חוקרי ה־Frontier Red Team של Anthropic מזהירים כי מודלי AI קטנים עשויים להיות במרחק של חודשים מהיכולת לשכפל את עצמם בין מכשירי IoT מסחריים. זה נשמע כמו תסריט מדע בדיוני, אבל חשוב לדייק: המחקר אינו מתאר תולעת AI שנצפתה בטבע, אלא סדרת ניסויים מבוקרים שבדקה אילו חלקים משרשרת ההתרבות כבר נמצאים בהישג ידם של מודלים קיימים.
לפי המחקר שפרסמה Anthropic ב־12 באוקטובר 2026, מודלים של עד 30 מיליארד פרמטרים כבר מסוגלים לבצע רבות מהפעולות הנדרשות לשכפול עצמי. עם זאת, הם עדיין מתקשים לחבר את כל השלבים באופן אמין בתנאי עולם אמיתי.
מה בעצם נבדק?
החוקרים חילקו את התהליך לארבעה שלבים: איתור יעד, השגת יכולת הרצה עליו, הקמת סביבת inference והמשך ההפצה מהמכשיר החדש. המחקר התמקד בעיקר בשלב הקמת סביבת ה־AI על חומרה לא מוכרת, ולא בניצול פרצות האבטחה עצמו.
בניסוי אחד הופעל מודל Gemma4-26B-A4B בצורה מבוזרת על 15 קופסאות Android TV זולות. הקצב שנמדד היה איטי, כ־0.39 טוקן לשנייה, אך הוא הראה שמספר מכשירים חלשים יכולים לחלוק ביניהם את חישובי המודל. בניסוי נוסף מודל בגודל 9 מיליארד פרמטרים הצליח להפעיל inference על שמונה מתוך תשעת סוגי החומרה שנבדקו.
בתרחיש מפושט, שבו חלק ממנגנוני האבטחה הוסרו, GLM-5.2 ומודלים חזקים ממנו הצליחו לבצע שרשרת שכפול מקצה לקצה. Anthropic מדגישה שזהו גבול עליון להצלחה ולא הדגמה של התפשטות אמינה ברשת מסחרית. גם Reuters ציינה כי הניסוי לא הדגים שכפול אוטונומי דרך מרכזי נתונים מסחריים.
למה מכשירי IoT הם יעד מעניין?
מצלמות, קופסאות טלוויזיה, מערכות ועידה, מקררים ומכשירי בית חכם מחוברים לרשת לאורך זמן. בחלקם קיימים מנגנוני עדכון חלשים, סיסמאות ברירת מחדל או שירותי ניהול פתוחים. ככל שיותר מכשירים מקבלים שבבי AI מקומיים, כך גדלה גם כמות כוח החישוב הזמין בקצה.
תולעת AI עתידית עשויה להיות איטית יותר מנוזקה רגילה, אך גם גמישה ממנה: היא יכולה לנסות להבין חומרה לא מוכרת, להתאים פקודות לסביבה ולשמור הערות או קוד שימושי לדור הבא של העותקים. מצד שני, החוקרים עצמם מציינים שהמודלים הקטנים עדיין אינם אמינים מספיק כדי להשלים את כל המחזור ללא עזרה.
מה ארגונים יכולים לעשות כבר עכשיו?
- למפות מכשירי IoT: לדעת אילו מצלמות, מסכים, בקרי בניין וקופסאות חכמות מחוברים לרשת ומי אחראי לעדכונם.
- להפריד רשתות: להציב ציוד IoT ב־VLAN נפרד ולצמצם תקשורת אל שרתים ותחנות משתמשים.
- לסגור ממשקי ניהול: לא לחשוף ADB, SSH, Telnet או ממשקי Web ישירות לאינטרנט, ולהחליף סיסמאות ברירת מחדל.
- לנטר תעבורה יוצאת: העברות מודל גדולות, תקשורת חריגה בין מכשירים או חיבורים ליעדים לא מוכרים עשויים להיות סימן מוקדם.
- לשלוט בהרשאות ובמפתחות: אין לשמור מפתחות API או הרשאות ענן על ציוד קצה שאינו מנוהל היטב.
שירות ניטור חיצוני כמו MCS – Managed Cyber Security יכול להוסיף שכבת התרעה על חשיפות ושינויים חריגים, אך אינו מחליף הפרדת רשתות, ניהול קושחה וסגירת ממשקי ניהול.
המשמעות המעשית
הכותרת אינה ש"מקרר חכם עומד להשתלט על האינטרנט". המשמעות היא שהפער בין מודל קטן מספיק להפעלה על ציוד זול לבין מודל חכם מספיק כדי לתפעל סביבת מחשוב הולך ומצטמצם. זהו זמן טוב לטפל בחוב האבטחה של ציוד IoT לפני שהאוטומציה של התוקפים משתפרת.
המחקר מתחבר גם ללקחים ממתקפת הסייבר שפגעה במערכות קירור בסופרמרקטים בצרפת: מכשירים "פשוטים" המחוברים לאינטרנט עלולים להפוך לנקודת כניסה או לנכס שימושי עבור תוקפים.
קרדיט תמונה: Jakub Żerdzicki / Unsplash, ברישיון Unsplash.
