Anthropic bünyesindeki Frontier Red Team ekibi, yapım maliyeti yaklaşık 825 dolar olan 15 düşük maliyetli Android TV cihazından oluşan bir kümede bir yapay zekâ modeli çalıştırdı. Deneyde, küçük yapay zekâ modellerinin internete bağlı cihazlar üzerinden kendini kopyalama becerisine ne kadar yaklaştığı araştırıldı. Bu donanım saniyede 0,39 token hızında çalışıyor; bu, olağan etkileşim için yavaş bir hız olsa da kullanıcı beklemesi olmadan çalışan bir yazılım için yeterli olabilir.
Araştırma, Anthropic'in genel internet üzerinden otomatik olarak yayılabilen bir yapay zekâ solucanı geliştirdiği anlamına gelmiyor. Deneyler izole ortamlarda gerçekleştirildi ve cihazlara erişimi kolaylaştıran kısayollar ile varsayımlar içeriyordu. Ancak araştırmacılar William Zhou ve Daniel Freeman tarafından yayımlanan sonuçlar, geriye kalan bazı teknik engellerin geçici olabileceğine işaret ediyor.
Kendini kopyalama zincirinin dört halkası
Araştırma, bir yazılım solucanının kendini kopyalayabilmesi için ihtiyaç duyduğu dört görevi belirliyor: hedef bulmak, hedefe erişim sağlamak, çıkarımı çalıştırmak ve ardından başka bir cihaza geçmek. Araştırmacılara göre daha küçük modeller, istismar için gereken bazı yetenekleri şimdiden gösterdi; en büyük zorluk ise modeli alışılmadık donanım, işletim sistemleri ve bağımlılıklar üzerinde çalıştırmak.
Testlerde Qwen3.5-9B, Jetson Nano, Mac cihazları ve RTX 4090 kartlı bilgisayarların da aralarında bulunduğu dokuz donanım türünün sekizinde Llama3.1-8B modeliyle çalışan bir çıkarım sunucusu kurmayı başardı. GLM-5.2 daha güvenilir ve daha yüksek üretkenliğe sahipti; ancak doğrudan hedef cihazlarda çalışamayacak kadar büyüktü.
Güvenlik duvarıyla korunan ve Android emülatörleri çalıştıran sekiz düğüm içeren bir Google Cloud ortamında GLM-5.2, beş denemenin dördünde sekiz düğümün tamamına, beşinci denemede ise yedi düğüme ulaştı. GLM-5.2'yi çalıştırmak için ayrı bir sunucu kullanılırken solucan, hedef cihazlara 8B boyutunda daha küçük bir model kurdu. Ayrıca belgelenmemiş bir Android Debug Bridge portu açık bırakıldı; bu etken, gerçek bir ağ ortamının koşullarını zorunlu olarak yansıtmıyor.
Hafıza kopyalama olasılığını artırdı
Sonraki sürümler, önceki denemelerin bıraktığı notları okuyabildiğinde ajanların çıkarımı hazırlama becerisi gelişti. Qwen3.5-9B 20 soy üzerinden çalıştırıldığında ve her soy altı nesil sürdüğünde, başarı oranı ilk nesildeki %45'ten sonraki nesillerde %61 ile %84 arasındaki bir aralığa yükseldi.
Araştırmacılar bu yöntemi, deneyimin model yeniden eğitilmeden bir kopyadan diğerine aktarılması nedeniyle “Lamarkçı kalıtım” olarak adlandırdı. Qwen3.5-9B'ye daha güçlü Opus 4.8 modelinden tavsiye isteme imkânı vermek ise istatistiksel olarak anlamlı bir gelişme sağlamadı; çünkü küçük model, hangi soruları sorması gerektiğini her zaman bilmiyordu.
Bu pratikte neyi değiştiriyor?
Mevcut çelişki, eksiksiz kopyalama sürecini gerçekleştirebilen modelin genellikle saldırıya uğramış cihazlarda çalışamayacak kadar büyük olması; bu cihazlara uygun küçük modellerin ise görevi yeterli istikrarla tamamlayamaması. Araştırmacılar, 4 GB kapasiteli TV cihazlarının 9B boyutunda bir modeli dört veya daha fazla birime, 26B boyutunda bir modeli ise on veya daha fazla birime dağıtarak çalıştırabileceğini tahmin ediyor. Anthropic'in 15 cihazdan oluşan kümesi Gemma4-26B-A4B modelini çalıştırıyor.
Bu cihaz sınıfında tek bir çıkarımın hazırlanması, modele bağlı olarak 28 ile 150 saat arasında sürebilir. Ancak yazılım ajanının insan sabrına ihtiyacı yok; bu da çok sayıda cihaza yavaş biçimde yayılmayı, hızlı geleneksel saldırılardan farklı bir olasılık hâline getiriyor.
İki milyondan fazla cihazı, çoğunlukla da ucuz Android TV cihazlarını etkileyen Kimwolf ağına dayanarak araştırmacılar, benzer sayıdaki cihazın 15'li kümelere bölünmesinin yaklaşık 133 bin model kopyası oluşturabileceğini ve saniyede yaklaşık 80 bin token toplam hız sağlayabileceğini hesapladı. Bu kapasite, Nvidia H100 modelinden en fazla yaklaşık 40 grafik işlem birimine eşdeğer; ancak bunun bedeli, başka bir tarafın sahip olduğu cihazlar ve işletim maliyetleri.
Riskin sınırları ve tespit yolları
Bulgular, internette kendi kendine yayılabilen bir solucanın varlığını kanıtlamaktan hâlâ uzak. Testler açık portlara ve kontrollü ortamlara dayanıyordu; ayrıca araştırmacıların 2026 sonuna ilişkin tahminleri, model yeteneklerindeki genel eğilimlere dayanıyor ve gerçek bir kopyalama sürecinde benzer bir performansı garanti etmiyor.
Öte yandan yayılma gereksinimleri bu tür yazılımların tespit edilmesini mümkün kılabilir; birkaç gigabayt boyutundaki modellerin cihazlar arasında aktarılması, internet servis sağlayıcılarının izleyebileceği ağ trafiği oluşturur. Araştırma, Mirai ağıyla mücadele sırasında olduğu gibi etkilenen abonelerin izole edilmesinin ilk savunma hattı olabileceğini belirtiyor; bu süreçte bir servis sağlayıcının aldığı önlem, 14 gün içinde enfeksiyonların %92'sinin kaldırılmasını sağlamıştı. Ancak kopyaların tamamen ortadan kaldırılması, ağlarında enfekte cihazlar bulunan tüm servis sağlayıcılar arasında koordinasyon gerektirir.