Vírus de IA se espalha por 20 máquinas em 7 dias

Pesquisadores da Universidade de Toronto, do Vector Institute, da Universidade de Cambridge e da ServiceNow desenvolveram um verme de computador impulsionado por um modelo de grande porte de acesso aberto. Esse verme é capaz de escanear redes, identificar vulnerabilidades em máquinas-alvo, gerar planos de ataque e, após comprometer um dispositivo, se replicar para continuar atacando a próxima máquina. A equipe realizou 15 rodadas de experimentos em uma rede isolada composta por 33 máquinas virtuais, com cada rodada durando 7 dias. O verme obteve, em média, privilégios de administrador em 23,1 máquinas e iniciou novas cópias em 20, com a maior propagação contínua atingindo 7 gerações. Em comparação com vermes tradicionais que dependem de scripts de ataque pré-definidos, este sistema pode ajustar suas táticas de ataque com base na situação de cada máquina e é capaz de ler informações sobre vulnerabilidades publicadas após o treinamento do modelo, convertendo descrições textuais em etapas de ataque reais. A pesquisa ainda está na fase de validação de conceito em laboratório, onde cada máquina na rede de teste possui vulnerabilidades embutidas e não há software antivírus ou defesa ativa; o experimento principal depende de um pool de GPU compartilhado, e o modelo e o código completo ainda não foram divulgados.

Este conteúdo é fornecido apenas para fins informativos gerais e não constitui aconselhamento financeiro, de investimento, jurídico ou tributário. Quaisquer eventos, recompensas, promoções online ou informações relacionadas mencionadas neste documento não devem ser consideradas uma recomendação, solicitação ou convite para comprar, vender, negociar ou realizar qualquer outra transação com criptoativos. Criptoativos são altamente voláteis e podem resultar em perdas. A disponibilidade dos serviços, produtos e eventos relacionados da WEEX pode variar conforme a região. É de sua responsabilidade garantir que sua participação esteja em conformidade com as leis e regulamentações locais aplicáveis.