自我维持的 AI 病毒已非理论
来自 Import AI · 期号 2026-08-03
摘要
AI 研究者构建了一种能自我维持、自我复制的计算机病毒原型。它利用开源权重 LLM 在被感染的 GPU 节点上运行推理，自主发现漏洞、制定攻击策略并感染更多主机。 该病毒通过一个定制的推理图（包含规划、判断、行动、总结、进度等节点）来分解任务，避免模型在长链条推理中迷失。在实验中，漏洞检测成功率约 80%，利用成功率约 53%，自我复制成功率 88%，完整攻击链成功率约 37%。 研究者警告，自主生成式对抗威胁已不再是理论上的可能。 论文附了部分实现细节，但关键节点已被隐去。
深读
导读 AI 研究者成功构建了一种能自我维持、自我复制的计算机病毒原型。它利用开源权重的大语言模型在被感染的 GPU 节点上运行推理，自主发现漏洞、制定攻击策略并感染更多主机。这篇论文证明，自主生成式对抗威胁已不再是理论上的可能，值得所有关注 AI 安全的人认真对待。 关键信息 - 该病毒由多伦多大学、Vector Institute、剑桥大学和 ServiceNow 的研究者共同构建，论文标题为《AI Agents Enable Adaptive Computer Worms》。 - 病毒使用一个定制的推理图来分解任务，包含 Plan（规划）、Judge（判断）、Action（行动）、Summary（总结）、Progress（进度）等节点，避免模型在长链条推理中迷失。 - 实验中，漏洞检测成功率约 80%，漏洞利用成功率约 53%，自我复制成功率 88%，完整攻击链成功率约 37%。 - 病毒仅使用一个开权重 LLM 在单块 A100 GPU（80GB VRAM）上运行，不依赖任何可能被监控或撤销的厂商 API。 - 研究者警告：“我们必须为自主生成式对抗威胁做好准备。” 逐节讲解 病毒的工作原理与设计 该病毒的核心思路是“寄生式”利用：它通过 AI 模型攻陷一台计算机后，使用该机器的 GPU 资源运行开源权重的大语言模型，从而获得持续的推理能力，再自主发现新漏洞、制定攻击策略并传播到更多主机。研究者强调，这个原型仅使用一个 2025 年发布的开权重 LLM，在单块 A100 GPU 上即可运行，不依赖任何外部 API。 为了不让模型在复杂的攻击链条中迷失，研究者设计了一个定制的推理图。该图是一个有向图，包含多个专门化的节点，每个节点只看到与自己角色相关的工具和提示。论文公开了其中 5 个节点：Plan 负责制定高层攻击策略，Judge 根据命令历史审查计划，Action 从当前阶段的工具集中选择工具，Summary 将步骤观察编译成结构化摘要，Progress 评估代理是否在取得有意义的进展。论文提到还有更多节点，但在公开版本中被隐去。 攻击流程与实验结果 病毒代理按三个关键步骤推进：识别环境中的漏洞、利用漏洞、自我复制。在实验中，漏洞检测成功率约 80%，漏洞利用成功率约 53%，自我复制成功率 88%（使用了预封装的辅助工具）。完整攻击链的成功率约 37%。研究者认为，这个成功率既足以引起警惕，也足够低，使其可以作为未来测试开源模型安全性的一个有用评估基准。 对未来互联网形态的启示 研究者指出，未来的互联网将更像一个复杂的生态系统，充满了攻击者和防御者 AI 代理。这种病毒通过持续自我复制形成一个“蜂群”——一个去中心化的独立代理副本集合，在网络中并发运行。难以攻陷的主机会被不同副本反复尝试，每个副本采样不同的推理轨迹，直到其中一个成功。由于病毒完全去…