一項由多倫多大學、Vector Institute、劍橋大學與 ServiceNow 組成的大型研究團隊發布最新論文指出，由大語言模型（LLM）驅動的「自適應 AI 蠕蟲」已經從理論走入現實，帶來了根本性的資安威脅。
離線單卡即可驅動，寄生受害設備算力
根據研究報告，這款概念驗證 AI 蠕蟲的核心突破，在於將開放權重（Open-Weight）的大語言模型整合至自主代理（Agentic Harness）架構中。令人吃驚的是，它完全不需要連回 OpenAI 或 Anthropic 等商業雲端 API，僅需在單張 A100 GPU（80GB VRAM）上運行輕量化模型即可獨立運作。
當 AI 蠕蟲攻陷一台配備 GPU 的主機後，它會直接在受害設備上部署 LLM 副本，將其轉化為獨立的「推理節點」，再透過此節點遠端指揮其他算力較低的受害設備（如 IoT 物聯網裝置或一般工作站）。這種「寄生受害主機算力」的分散式架構，意味著蠕蟲的自我擴散完全沒有單一控制點，即使部分受害主機被修復，存活的節點仍能繼續重新發動攻擊。
7 天自我複製 7 代
為了驗證威脅，研究團隊在由 33 台虛擬機器組成的「FakeCorp」隔離網路中進行了 15 輪、每輪為期 7 天的實測。網路環境涵蓋 Linux、Windows 及 IoT 設備，並預埋了多種真實世界常見的漏洞（包含 CVE 漏洞與 CWE 設計缺陷）。
實驗結果顯示：
• 漏洞識別能力：AI 蠕蟲平均能精準辨識出 31.3 個 系統漏洞（成功率高達 82%）。
• 權限提升：平均成功取得 23.1 台 主機的最高管理員權限（root 或 SYSTEM，成功率約 44%）。
• 自我複製與擴散：平均在 20.4 台 主機上啟動獨立副本，最高紀錄在 7 天內連續擴散了 7 代（Generations），攻陷整個測試網路近 74% 的主機。
傳統蠕蟲無法處理未知的系統配置，但這款 AI 蠕蟲能在攻擊失敗時，自主分析終端機回傳的錯誤訊息，及時修正 SQL 注入或 Shell 腳本語法，為不同的目標即時生成「客製化」的攻擊策略。
幾小時內將「公開漏洞」轉化為攻擊武器
除了已知漏洞，研究團隊還特別測試了 AI 蠕蟲對「零日/一日漏洞」的反應。團隊在測試環境中導入了 2026 年 4 月至 5 月才公開的 3 個最新漏洞（包括 Linux 核心漏洞 Copy Fail 與 Dirty Frag，以及 Marimo 平台的遠端程式執行漏洞）。
結果證明，AI 蠕蟲只需在運行時讀取公開的漏洞安全公告，就能自主將文字說明轉化為可執行的攻擊程式碼，並在 40 次嘗試中成功取得 28 次 root 權限（成功率 70%）。這意味著，過去企業在資安漏洞公布後尚有數週甚至數月的修補緩衝期；但在 AI 蠕蟲時代，攻擊者可在漏洞公開後的數小時內完成自動化全網擴散，傳統的漏洞修復速度將完全跟不上攻擊腳步。
資安經濟學失衡：防禦者面臨嚴峻挑戰
研究團隊指出，AI 蠕蟲帶來了極度不對稱的資安經濟學。過去高度客製化的進階攻擊（APT）需要耗費大量頂尖白帽/黑帽駭客的時間與人工成本；如今 AI 蠕蟲透過竊取受害主機算力，讓每一次新增感染的邊際成本降至為零。
雖然目前該研究仍屬於實驗室測試（測試網絡未部署防毒軟體或主動主機防禦），但研究團隊警告，隨著開放權重模型的推理能力持續提升，自主生成攻擊邏輯的AI蠕蟲將徹底改變資安攻防的遊戲規則。業界與政府必須加速導入零信任架構、嚴格的網路微隔離，並運用 AI 自動化驗證修補，才能在這場自適應 AI 攻擊浪潮中取得先機。
