AI maskar kan snart sprida sig själva. Anthropic varnar för ett nytt cyberhot

AI modeller blir allt bättre på att arbeta självständigt, skriva kod och lösa tekniska problem. Nu varnar forskare på Anthropic för att samma förmågor kan användas för att skapa en ny generation självspridande skadlig programvara. I en ny studie visar de hur AI kan köras på billiga uppkopplade apparater och hur avancerade modeller redan klarar att samordna spridning mellan enheter. Forskarna bedömer att mindre modeller kan nå motsvarande förmåga redan under slutet av 2026.

Den 12 oktober 2026 publicerade Anthropic en forskningsrapport om självspridande AI. Forskarna William Zhou och Daniel Freeman från företagets Frontier Red Team har undersökt hur AI modeller skulle kunna kopiera sig själva mellan uppkopplade enheter och använda deras beräkningskraft för att fortsätta arbeta och sprida sig.

Resultaten är uppseendeväckande. Forskarna visar att relativt små AI modeller redan klarar flera av de tekniska uppgifter som krävs för självspridning. Kraftfullare modeller har dessutom lyckats samordna en spridningsprocess i en kontrollerad testmiljö. Tillsammans pekar experimenten mot en utveckling som kan få stora konsekvenser för cybersäkerheten.

Vad är egentligen en AI mask?

En datormask är ett program som kan kopiera sig självt och sprida sig mellan datorer och andra uppkopplade enheter. Sådana program har funnits i decennier och har orsakat omfattande störningar i digitala system. De kan utnyttja säkerhetsbrister, installera skadlig kod och fortsätta till nya enheter.

En AI mask använder dessutom en AI modell för att fatta beslut under spridningen. Modellen kan undersöka enhetens tekniska miljö, analysera vilka möjligheter som finns och försöka hitta fungerande metoder för att installera och köra programvara. Den kan också använda programmering och felsökning för att hantera problem som uppstår.

Det är den anpassningsförmågan som gör utvecklingen särskilt intressant. AI agenter kan redan utföra avancerade tekniska uppgifter genom att kombinera programmering, verktygsanvändning och problemlösning. Samma förmågor skulle kunna användas för att skapa mer avancerad och självständig skadlig programvara.

15 billiga TV boxar kunde tillsammans köra en stor AI modell

En av de mest intressanta delarna av studien handlar om hårdvaran. Forskarna använde 15 billiga Android TV boxar för att köra Googles AI modell Gemma 4 med 26 miljarder parametrar. Varje TV box kostade omkring 55 dollar och hade fyra gigabyte arbetsminne.

Genom att fördela modellens olika delar mellan apparaterna kunde forskarna genomföra beräkningarna med en hastighet på omkring 0,39 token per sekund. Hastigheten var låg, men experimentet visade att en stor AI modell kan köras fördelad över flera enkla uppkopplade enheter.

Det är en viktig upptäckt. Våra hem och arbetsplatser innehåller allt fler uppkopplade apparater med processorer och minne som kan användas för beräkningar. Ett nätverk av komprometterade enheter skulle därmed kunna fungera som en gemensam beräkningsmiljö för en AI modell.

AI klarade åtta av nio hårdvarutyper

Forskarna undersökte också hur väl AI modeller kunde konfigurera programvara på olika typer av hårdvara. Modellen Qwen 3.5 med nio miljarder parametrar lyckades få igång AI beräkningar på åtta av nio testade hårdvarutyper. Uppgiften krävde att modellen identifierade lämpliga tekniska lösningar, installerade komponenter och löste problem under arbetets gång.

Det visar hur AI modellernas förmåga att hantera tekniska uppgifter kan få betydelse för cybersäkerheten. En modell som självständigt kan undersöka en ny miljö och konfigurera fungerande programvara skulle också kunna användas för att etablera skadlig kod på olika typer av enheter.

Forskarna testade hela spridningsprocessen

I ett annat experiment fick en AI modell försöka samordna en spridningsprocess mellan åtta virtuella Android enheter. Modellen skulle identifiera nya enheter, överföra programvara, konfigurera AI körning och fortsätta till nästa mål.

Den avancerade modellen GLM 5.2 lyckades nå samtliga åtta enheter i fyra av fem försök. I det femte försöket nådde den sju enheter. Experimentet genomfördes i en isolerad miljö där forskarna hade förenklat åtkomsten mellan enheterna.

GLM 5.2 fungerade som styrande modell från separat beräkningsinfrastruktur, medan den mindre modellen Llama 3.1 installerades på målenheterna. Resultatet visar att en avancerad AI modell kan samordna en längre kedja av uppgifter som ingår i självspridning.

Anthropic pekar på slutet av 2026

Forskarna har analyserat hur snabbt mindre AI modeller utvecklas och jämfört deras kapacitet med de förmågor som krävs för självspridning. Deras uppskattning pekar mot att modeller med högst 30 miljarder parametrar kan nå den nödvändiga nivån redan i slutet av 2026.

Prognosen innehåller betydande osäkerhet och bygger på ett generellt mått på modellernas kapacitet. Samtidigt visar experimenten att flera viktiga tekniska förutsättningar redan finns. Mindre AI modeller blir alltmer kapabla och kan användas på allt enklare hårdvara.

Det kan förändra förutsättningarna för digitala angrepp. En AI modell som kan analysera sin omgivning, lösa tekniska problem och fortsätta arbeta självständigt skulle kunna göra skadlig programvara betydligt mer anpassningsbar.

En långsam spridning kan bli svår att stoppa

Anthropic undersöker också hur lång tid en sådan spridning skulle kunna ta. Forskarna uppskattar att en modell med nio miljarder parametrar kan behöva mellan 28 och 51 timmar för vissa centrala moment på den testade hårdvaran. För en större modell med 26 miljarder parametrar kan motsvarande arbete ta mellan 71 och 150 timmar.

En sådan process skulle kunna fortsätta under lång tid och gradvis omfatta allt fler enheter. Forskarna pekar på att ett distribuerat system kan vara särskilt svårt att avveckla eftersom programvaran och beräkningarna finns utspridda över många apparater.

I rapporten hänvisar Anthropic också till botnätet Kimwolf, som enligt deras uppgifter infekterade över två miljoner enheter, framför allt enklare Android TV boxar. Det visar hur omfattande nätverk av komprometterad konsumentelektronik redan kan bli.

Om liknande nätverk börjar användas för att köra AI modeller kan angripare få tillgång till både distribuerad beräkningskraft och avancerade förmågor för problemlösning. Det skulle kunna skapa en ny generation cyberhot där skadlig programvara anpassar sig efter de tekniska miljöer den möter.

AI agenternas utveckling förändrar cybersäkerheten

Det som gör Anthropics forskning så intressant är kopplingen till den bredare utvecklingen av AI agenter. Vi ser redan hur AI modeller kan skriva kod, använda digitala verktyg, analysera resultat och genomföra komplexa uppgifter självständigt. Dessa förmågor skapar enorma möjligheter inom forskning, programmering och automatisering.

Samtidigt kan samma teknik användas för att utveckla mer avancerade cyberangrepp. Anthropics experiment visar hur AI kan anpassa programvara till olika hårdvarumiljöer, köra stora modeller på enklare apparater och samordna spridning mellan enheter.

Jag tycker att det här är en utveckling som förtjänar betydligt större uppmärksamhet. AI agenter blir alltmer självständiga och deras förmågor utvecklas snabbt. Det påverkar både möjligheterna med tekniken och de hot som vi behöver kunna hantera.

Anthropic visar att flera av de tekniska förutsättningarna för självspridande AI redan finns. Om forskarnas prognos stämmer kan ytterligare viktiga förmågor bli tillgängliga inom bara några månader. Det väcker en ganska angelägen fråga: Hinner vår cybersäkerhet utvecklas i samma takt som AI?