Yapay zeka modellerinin insan müdahalesi olmadan kendilerini başka cihazlara kopyalaması, yakın gelecekte ciddi bir siber güvenlik sorununa dönüşebilir. Claude'un geliştiricisi Anthropic, 12 Ekim 2026'da yayımladığı araştırmasında, küçük yapay zeka modellerinin bu yeteneğe ulaşmasına yalnızca birkaç ay kalmış olabileceği uyarısında bulundu.
Şirketin araştırması, böyle bir sistemin çalışmak için güçlü ekran kartlarıyla dolu veri merkezlerine ihtiyaç duymayabileceğini gösteriyor. Akıllı televizyonlar, güvenlik kameraları ve internete bağlı diğer cihazlar, yeterli sayıda bir araya getirildiğinde yapay zeka modellerine işlem gücü sağlayabiliyor. Üstelik bu cihazların bir kısmı oldukça zayıf güvenlik önlemlerine sahip.
Anthropic'in Frontier Red Team ekibi, araştırma kapsamında yaklaşık 55 dolarlık 15 Android TV kutusunu birbirine bağladı. Her birinde 4 GB RAM bulunan cihazlar, Google'ın 26 milyar parametreli Gemma4-26B-A4B modelini birlikte çalıştırmayı başardı. Model saniyede yalnızca 0,39 token üretebildi. Günlük kullanım için son derece yavaş olan bu hız, araştırmacıların ulaşmak istediği sonucu değiştirmiyor: Büyük bir modelin farklı cihazlara bölünerek çalıştırılması mümkün.
Yapay Zeka Modelleri Başka Cihazlara Nasıl Yayılabilir?
Araştırmanın merkezinde, siber güvenlikte uzun zamandır bilinen bilgisayar solucanlarının yapay zeka ile daha gelişmiş hale gelmesi ihtimali var. Geleneksel solucanlar, belirli güvenlik açıklarından yararlanarak bir bilgisayardan diğerine bulaşabiliyor. Yapay zeka destekli bir solucan ise karşılaştığı cihazı inceleyebilir, işletim sistemine uygun araçları belirleyebilir ve kendi modelini çalıştırmanın yolunu bulabilir.
Anthropic'in üzerinde çalıştığı senaryoda sistem önce ağdaki uygun cihazları tespit ediyor. Ardından erişim sağladığı makineye gerekli dosyaları aktarıyor, modelin çalışabileceği ortamı hazırlıyor ve aynı işlemleri yeni cihazlar üzerinde tekrarlıyor.
Bu işlemlerin tamamını güvenilir biçimde gerçekleştirmek henüz küçük modellerin üstesinden gelebildiği bir görev değil. Yine de deneylerde elde edilen sonuçlar, aradaki farkın hızla kapandığını gösteriyor.
Örneğin 9 milyar parametreli Qwen3.5-9B modeli, test edilen dokuz farklı donanım türünün sekizinde bir yapay zeka modelini çalıştıracak ortamı kurmayı başardı. Denemelerde Nvidia Jetson Nano, Mac bilgisayarlar ve RTX 4090 ekran kartlı sistemler gibi birbirinden farklı donanımlar kullanıldı.
Daha gelişmiş GLM-5.2 modeliyle yapılan başka bir deneyde ise sekiz düğümlü sanal ağın tamamına yayılma işlemi beş denemenin dördünde başarıyla tamamlandı. Beşinci denemede sekiz düğümün yedisine ulaşıldı.
Ancak bu deney gerçek internette kontrolsüz biçimde yayılan bir yapay zeka solucanını göstermiyor. Araştırmacılar, güvenlik duvarıyla korunan bir test ağı kullandı ve cihazlara erişimi kolaylaştırmak için kimlik doğrulaması gerektirmeyen bir bağlantı hazırladı. GLM-5.2 de ele geçirilen cihazların üzerinde değil, ayrı bir sunucuda çalıştırıldı. Yeni cihazlara kurulan model ise 8 milyar parametreli Llama 3.1-8B oldu.
Anthropic'in tahmini, küçük modellerin mevcut gelişim hızını koruması halinde 2026 sonuna kadar GLM-5.2'nin bu testlerde gösterdiği yetenek seviyesine ulaşabileceği yönünde. Bu tarih, gerçekleşeceği kesinleşmiş bir olaydan ziyade geçmiş model performanslarına dayanan bir öngörü.
Araştırmacılar yayılma hızının da başlangıçta oldukça düşük olacağını hesaplıyor. Küçük cihazların işlem kapasitesi ve bellek sınırları nedeniyle tek bir çoğalma döngüsü günler sürebilir. Buna karşılık, farklı cihazlara dağılmış bir sistemin merkezi bir sunucusu bulunmadığından tamamen durdurulması zorlaşabilir.
Akıllı Ev Cihazları Yeni Bir Siber Saldırı Ağına Dönüşebilir
İnternete bağlı cihazların kötü amaçlı yazılımlarla ele geçirilmesi yeni bir tehdit değil. Mirai gibi botnet yazılımları yıllardır zayıf parolaları ve korunmasız ağ bağlantılarını kullanarak binlerce cihazı kontrol altına alıyor.
Anthropic'in araştırmasında örnek gösterilen Kimwolf botneti de bunun yakın tarihli örneklerinden biri. Ağırlıklı olarak düşük maliyetli Android TV kutularını hedef alan zararlı yazılımın iki milyondan fazla cihaza bulaştığı bildirilmişti.
Yapay zeka destekli sistemleri farklı kılan şey, saldırı sırasında karşılaşılan sorunlara kendi başlarına çözüm geliştirebilme ihtimali. Belirli bir cihaz türü için önceden hazırlanmış komutlara bağımlı kalmak yerine, farklı donanımlarda yeni çalışma yöntemleri deneyebilirler.
Üstelik yeni nesil güvenlik kameraları, görüntülü toplantı sistemleri ve başka akıllı cihazlar artık yerel yapay zeka işlemleri için özel hızlandırıcılarla üretiliyor. Bunlar, ele geçirilmeleri halinde saldırganlara daha fazla işlem kapasitesi sunabilecek hedefler arasında bulunuyor. Elbette bir cihazda yapay zeka işlemcisi bulunması, onun güvenlik açığı taşıdığı anlamına gelmiyor.
Anthropic, böyle bir ağın zaman içinde daha güçlü sistemlere saldırmak için de kullanılabileceğini değerlendiriyor. Veri merkezlerine erişim sağlamak veya çalınan API anahtarları üzerinden ticari yapay zeka hizmetlerini kullanmak, araştırmada ele alınan diğer olası senaryolar arasında.
Siber güvenlik uzmanları ise tehlikenin ne kadar yakın olduğu konusunda aynı görüşte değil. İngiltere Ulusal Siber Güvenlik Merkezi'nin eski başkanı Ciaran Martin, Reuters'a yaptığı değerlendirmede, ucuz televizyon kutularında küçük bir model çalıştırılmasının tek başına büyük bir güvenlik krizini kanıtlamadığını savundu. Colorado Denver Üniversitesi'nden Zhengxiong Li ise yapay zekanın tanımadığı cihazlara uyum sağlayarak yayılabilmesini kaygı verici buluyor.
Araştırmanın henüz ortaya koyamadığı bir diğer konu da bu sistemlerin gerçek dünyadaki savunma mekanizmalarına karşı ne kadar başarılı olacağı. Deneylerde küçük modellerin teknik sorunları çözebildiği görülse de güvenlik açıklarını bulmak, cihazlara erişmek ve uzun süre tespit edilmeden çalışmak ayrı zorluklar içeriyor.
Savunma tarafında ise mevcut botnetlerle mücadelede kullanılan yöntemlerin işe yarayabileceği düşünülüyor. Yapay zeka modelinin dosyalarını cihazlar arasında aktarmak, gigabaytlarca veri trafiği oluşturabilir. Normalde birbiriyle iletişim kurmayan cihazların sürekli veri alışverişi yapması da ağ üzerinden tespit edilebilir.
Üreticilerin varsayılan parolaları kaldırması, otomatik güvenlik güncellemeleri sunması ve cihazları daha uzun süre desteklemesi önerilen önlemler arasında. İngiltere'de tüketiciye sunulan internete bağlı ürünlerde yaygın veya kolay tahmin edilebilir varsayılan parolaların kullanılmasını engelleyen düzenlemeler de yürürlükte.
Anthropic, internet servis sağlayıcılarının zararlı yazılım bulaşmış cihazları tespit edip ağ erişimini sınırlamasını da etkili bir savunma yöntemi olarak görüyor. Araştırmada aktarılan önceki bir Mirai botneti müdahalesinde, karantinaya alma ve kullanıcıları bilgilendirme yöntemiyle enfeksiyonların yüzde 92'si 14 gün içinde temizlenmişti. Bildirim yapılmayan grupta bu oran yüzde 74'te kalmıştı.
