Botnet IoT Autonome con Mini‑AI: worm intelligenti pronti ad auto‑replicarsi su forni smart e TV box Android

I modelli di intelligenza artificiale di piccole dimensioni potrebbero essere a pochi mesi dal raggiungere capacità di auto-replicazione su dispositivi IoT come forni smart e Android TV box economici. Il rischio principale è la nascita di botnet IoT autonome e auto-propaganti difficili da arrestare, perché prive di un punto centrale da spegnere.

In questo scenario i pesi del modello AI diventano parte del payload malevolo e vengono copiati o riscaricati durante la propagazione, consentendo al malware di eseguire inferenza direttamente sull’hardware compromesso.

La logica è quella di un worm intelligente che scansiona la rete, sfrutta vulnerabilità, compromette nuovi nodi e trasferisce i pesi del modello sulla macchina bersaglio. A differenza delle botnet tradizionali, qui la componente AI può generare strategie di attacco su misura e migliorare la propria efficacia man mano che cresce. Un aspetto chiave è l’uso di dispositivi con controlli di sicurezza minimi, tipici del mondo IoT, spesso esposti con credenziali deboli, firmware obsoleti o servizi non necessari attivi.

Un attore malevolo potrebbe assemblare una botnet LLM distribuita partendo da dispositivi scarsamente protetti, sommando potenza di calcolo sufficiente a far girare modelli capaci senza dipendere sempre da data center costosi. Se un modello è troppo grande per un singolo device, può essere suddiviso in parti e fatto funzionare su più macchine in modo coordinato, creando un motore di inferenza distribuito. Anche se ogni nodo è lento, una flotta composta da centinaia di migliaia di dispositivi può produrre un volume di calcolo significativo.

Modalità di propagazione

• Replicazione basata sui pesi: piccoli modelli si copiano da host a host dopo la compromissione.
• Bersagli ad alta potenza: attacchi a data center per creare distribuzioni non monitorate, sfruttando modelli open weights.
• Credenziali rubate: uso di chiavi API o accessi a piattaforme per eseguire copie del sistema tramite richieste apparentemente legittime, anche se pattern di utilizzo anomali possono attivare allarmi e revoche.

Test su diversi modelli open weights hanno evidenziato che un modello in particolare è riuscito a propagare in modo affidabile un altro modello su più nodi in prove ripetute, segnalando che la catena di replicazione sta diventando tecnicamente praticabile. Inoltre, si ipotizzano varianti più aggressive capaci di violare data center ad alta velocità o di ottenere crediti di calcolo tramite truffe, ampliando l’impatto delle minacce AI nella cybersecurity e nella sicurezza IoT.