Эпоха прямолинейных сетевых червей вроде WannaCry, годами долбивших инфраструктуру по жестко зашитым сигнатурам, уходит в прошлое. Исследователи из Университета Торонто продемонстрировали в препринте качественно иную угрозу: автономного адаптивного червя, который генерирует адресные эксплойты под каждый конкретный узел корпоративной сети прямо на лету.

Автономия на чужих мощностях

Главная инженерная находка авторов — решение проблемы живучести за счет паразитирования на мощностях атакуемой компании. Вредонос развертывает компактные LLM непосредственно на скомпрометированных узлах, утилизируя локальные мощности их видеокарт для расчета следующих шагов и поиска уязвимостей. Программе больше не нужен внешний командный C&C-сервер или обращение к коммерческим API: защитникам сети банально нечего блокировать на уровне файрвола, так как мозговой центр атак уже перенесен внутрь периметра.

Архитектура решения объединяет локальный модуль инференса LLM на захваченных GPU и агентский каркас из трех компонентов: ядра рекурсивных рассуждений, блока управления контекстом с иерархической памятью и набора инструментов взаимодействия с целевыми машинами.

«Мы должны подготовиться к автономным LLM-противникам: вредоносным программным системам, которые распространяются без участия человека и определяются не фиксированным кодом эксплуатации, а способностью рассуждать о целях, адаптироваться к наблюдениям и синтезировать логику атак в реальном времени», — резюмируют авторы исследования.

За счет эксплуатации вычислительных ресурсов жертвы стоимость каждого нового заражения для злоумышленника стремится к нулю. Иерархическая память агента непрерывно фиксирует текущую стадию цикла, активную цель, гипотезы уязвимостей, логи выполненных команд и счетчики попыток, чтобы не бить в одну точку дважды.

Проверка боем и текущие ограничения

Эксперимент развернули в гетерогенной тестовой сети FakeCorp, объединяющей узлы под управлением Linux, Windows и IoT-устройства. Вредонос автономно продвигался по инфраструктуре, подбирая ключи к известным уязвимостям без ручного управления оператора.

Паниковать и списывать существующую защиту со счетов, впрочем, рано. В текущей реализации LLM-агент распространяется заметно медленнее классических червей: его работа носит итеративный характер, генерирует аномальный шум в логах, изобилует ошибками генерации и легко вскрывается базовым поведенческим мониторингом.

Однако стратегический вектор понятен: для CISO и технических директоров сигнатурные антивирусы и привычный патч-менеджмент окончательно превращаются в рудимент. Единственный действенный барьер против самообучающегося кода внутри контура — архитектура нулевого доверия (Zero Trust) с жесткой микросегментацией и непрерывным контролем локальных аномалий на уровне хостов.

ИИ-агентыКибербезопасностьБезопасность ИИБольшие языковые модели