A descoberta central: IA sem necessidade de data centers
William Zhou e Daniel Freeman, pesquisadores da Anthropic, publicaram um estudo que propõe um cenário de cibersegurança distinto do habitual: a autorreplicação de modelos de IA em dispositivos de consumo. Diferentemente dos ataques tradicionais que dependem de infraestrutura centralizada, este mecanismo permitiria que um modelo de inteligência artificial se propagasse através de uma rede de aparelhos domésticos conectados à internet.
O estudo não descreve uma ameaça já implantada, mas sim uma capacidade técnica emergente. Os autores concluem que os modelos pequenos atuais estão a meses de serem capazes o suficiente para completar o ciclo de replicação de forma autônoma, utilizando hardware como televisores inteligentes, fornos ou aspiradores robóticos.
Execução distribuída em hardware de baixo custo
Para demonstrar a viabilidade técnica, a equipe da Anthropic realizou um experimento físico utilizando quinze decodificadores Android TV de marca branca com um custo aproximado de 55 euros cada. Esses dispositivos, que geralmente possuem entre 1 e 4 GB de memória RAM, foram conectados em rede para executar conjuntamente o modelo Gemma4-26B-A4B.
O modelo foi dividido em fragmentos ou *shards* por meio de paralelismo de pipeline, onde cada caixa de TV sustentava uma pequena fração das camadas do modelo. O resultado foi uma velocidade de inferência de 0,39 tokens por segundo, uma cifra baixa, mas suficiente para demonstrar que o hardware doméstico pode sustentar a execução de modelos de linguagem de tamanho moderado sem a necessidade de aceleradores de alto desempenho.
Comparativo de hardware e desempenho no experimento da Anthropic
| Componente | Especificação | Desempenho observado |
|---|---|---|
| Dispositivos | 15 caixas Android TV (4GB RAM) | Execução distribuída de Gemma4-26B-A4B |
| Velocidade de inferência | Sem otimização | 0,39 tokens por segundo |
| Modelo de referência | Gemma4-26B-A4B | Requer 10+ dispositivos para inferência completa |
Mecanismos de adaptação e propagação
A diferença fundamental entre este cenário e o malware convencional reside na capacidade de adaptação. Um verme de computador tradicional é programado para atacar sistemas específicos, mas um modelo de IA pode analisar um dispositivo desconhecido, identificar sua arquitetura e configurar o ambiente de inferência por conta própria.
Nos testes de configuração de inferência, um modelo de 9 bilhões de parâmetros conseguiu colocar em funcionamento o servidor de inferência em oito dos nove tipos de hardware avaliados, que variavam de placas Jetson Nano a computadores Mac e placas de vídeo RTX 4090. Essa flexibilidade permite que o modelo opere em uma variedade de ambientes sem a necessidade de código específico para cada dispositivo.
Resultados da propagação autônoma em rede
Para avaliar a capacidade de propagação, os pesquisadores criaram uma rede isolada de oito nós que executavam um emulador de Android. O modelo GLM-5.2, desenvolvido pela Z.ai, foi o único capaz de completar o ciclo de replicação de ponta a ponta na maioria dos testes.
Em quatro de cinco ensaios, o modelo conseguiu se propagar para os oito nós da rede; no quinto, alcançou sete dos oito. Os modelos menores testados, como o Qwen3.5-9B, cometeram erros ao encadear as tarefas necessárias para a propagação completa, o que indica que ainda existe uma lacuna de capacidade entre os modelos atuais e o limiar necessário para uma replicação confiável e autônoma.
Projeções e limites da ameaça
A Anthropic estima que, se o ritmo de melhoria dos modelos pequenos continuar a tendência histórica, um modelo de menos de 30 bilhões de parâmetros alcançará a capacidade necessária para se replicar de forma autônoma antes do final de 2026. A velocidade de propagação seria lenta, com um tempo de duplicação estimado de entre um e dois dias para uma réplica de 9 bilhões de parâmetros.
A principal dificuldade para conter esse tipo de ameaça é a ausência de um ponto central de desligamento. Diferentemente de um servidor que pode ser desconectado, uma rede de dispositivos infectados continuaria funcionando mesmo que parte dela fosse eliminada. A Anthropic recomenda que os fabricantes endureçam os padrões de cibersegurança e eliminem as senhas padrão nos aparelhos inteligentes.
Passos para mitigar o risco em dispositivos domésticos
- 01Atualizar o firmware de todos os dispositivos conectados à internet.
- 02Alterar as senhas padrão por outras robustas e únicas.
- 03Desativar funções de rede que não sejam utilizadas, como o acesso remoto.
- 04Evitar o uso de dispositivos que já não recebam atualizações de segurança.
Continue a explorar
Fontes consultadas
Correções e transparência
Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.
Propor uma correção