AI智能体驱动的新型蠕虫：自适应攻击且边际成本为零

一篇于 2026 年 6 月发布在 arXiv 上的研究论文提出并实证了一种新型 AI 驱动网络威胁：由大语言模型驱动的自适应计算机蠕虫。研究团队展示了这种蠕虫如何在跨 Linux、Windows 和物联网设备的网络中自主传播，针对每个目标实时生成定制化攻击策略。

核心机制：用「借来的算力」推理

与传统蠕虫依赖预设漏洞利用代码不同，这项研究展示的蠕虫将受感染设备本身当作推理算力。它使用运行在被入侵主机上的开源权重大模型来维持自身的推理能力并寻找下一批攻击目标。由于推理算力来自受害者而非攻击者基础设施，攻击者每感染一个新节点的边际成本接近零。

利用开源权重模型，无需依赖任何商业 AI 平台。
服务拒绝、限速等集中式安全控制对其结构性失效。
攻击者不必实时操控，蠕虫按「推理能力」自主演化。

实验范围与影响

论文报告的实验环境涵盖企业网络中常见的多类设备与实际漏洞。蠕虫借助开源 LLM 推理，针对所遇到的目标动态合成攻击逻辑，而不是按固定代码路径执行。研究者指出，这种能力让威胁的定义从「固定的漏洞利用代码」转变为「对目标进行推理、随观察自适应并实时合成攻击逻辑的能力」。

防御端的新挑战

防御方难以通过封禁特定模型 API 来阻断攻击。
加固已知漏洞的标准补丁策略只能应对静态攻击面，对持续自适应的对手效果有限。
「攻击者—防御者」之间的经济学被显著改变，防御必须假设对手拥有几乎无限且零成本的推理资源。

研究意义与待观察的问题

作者强调，自维持的 AI 驱动网络威胁已不再是理论问题，社会必须为「自主生成式对手」做好准备。不过，目前公开材料以摘要为主，关于所使用的具体开源模型、实验规模、传播速率与感染成功率等量化基准尚未披露；论文也尚未经过同行评审。AI 安全社区在评估这一威胁的可复现性和实际攻击门槛时，仍需等待完整论文与代码细节。