Vad händer när två AI-agenter slåss om en server?

Zeros AI-säkerhetsexperiment

I en japansk teknikvideo nyligen genomförde innehållsskaparen Zero Noichi ett fascinerande experiment: han använde två ZimaBoard 2-datorer för att simulera en cybersäkerhetsstrid mellan en AI-driven försvarare och en AI-driven angripare. Den ena maskinen var värd för ett sårbart internt kundhanteringssystem, medan den andra försökte ta sig in i det med hjälp av en autonom AI-agent. Även försvararen, som också drevs av AI, övervakade, undersökte, installerade säkerhetsuppdateringar och blockerade misstänkt aktivitet i realtid.

Som ZimaSpace vill vi tacka Zeros kanal för att ha presenterat ZimaBoard 2 i en så kreativ och tankeväckande cybersäkerhetsdemonstration. Den här artikeln omvandlar videotranskriberingen till ett strukturerat blogginlägg på engelska för läsare som är intresserade av hemmaservrar, AI-agenter, cybersäkerhet, Docker-labbmiljöer och självhostad infrastruktur.

Viktig anmärkning: Den ursprungliga skaparen säger tydligt att experimentet gjordes i underhållnings- och utbildningssyfte. Vissa instrumentpaneler, tjänstestatusar och sårbarheter dramatiserades avsiktligt eller lämnades exponerade för demonstrationens skull. Den här artikeln behåller de tekniska begreppen, datapunkterna och experimentförloppet, men undviker att ge praktiska instruktioner för angrepp.

Varför det här experimentet är viktigt just nu

Den centrala frågan bakom videon är enkel: vad händer när AI-agenter kan fortsätta attackera och försvara utan att bli trötta?

Zero inleder videon med ett ämne som många japanska tittare har väntat på: en simulerad strid mellan ett säkerhetsteam och ett hackerteam med två datorer. Maskinerna som användes i experimentet var ZimaBoard 2-enheter - kompakta x86-datorer som passar för att köra tjänster, agenter, instrumentpaneler och lättare serverarbetslaster.

Inspirationen kommer från de senaste diskussionerna om avancerade AI-säkerhetsagenter, däribland system som kan undersöka programvara, identifiera sårbarheter, verifiera om de går att utnyttja och sedan föreslå eller tillämpa åtgärder. Zero beskriver detta som något som kan omforma själva begreppet cybersäkerhet.

Målet var inte att återskapa ett verkligt, proprietärt system exakt. I stället byggde han ett tänkt experiment för att ge en försmak av den bredare idén:

”AI kan redan agera både hackare och försvarare i den här utsträckningen.”

Den enda idén driver hela videon.

Hårdvaran: två ZimaBoard 2-enheter som AI-stridsstationer

För experimentet använde Zero två ZimaBoard 2-datorer. Den ena fick rollen som försvarare och den andra blev angripare.

ZimaBoard 2 passar bra för den här typen av praktiskt labbarbete eftersom den är liten, tyst, x86-baserad och utformad för tjänster som körs dygnet runt.

Ur ZimaSpaces perspektiv är det precis här ZimaBoard 2 kommer till sin rätt. Den är byggd för användare som vill köra riktiga arbetslaster hemma eller i en labbmiljö, bland annat:

• Plex-mediaservrar
• Nätverksfiltrering med Pi-hole
• Proxmox-virtualisering
• Debian- eller TrueNAS-konfigurationer
• pfSense-routing
• Docker-labb
• AI-containrar
• Säkerhetskopieringstjänster
• Hemmalabbskluster
• Lättviktiga utvecklingsmiljöer

Produktens hårdvarudesign är också relevant för experimentet. ZimaBoard 2 har inbyggt stöd för SATA och PCIe, vilket innebär att användare kan ansluta 2,5-tums hårddiskar eller SSD-enheter, lägga till ett 10G-nätverkskort, använda en NVMe-adapter eller bygga ut enheten för personliga lagrings- och nätverksbehov. Dubbla 2,5G Ethernet-portar gör den också attraktiv för snabb lokal NAS, fjärråtkomst med låg latens och hemmanätverk med flera tjänster.

Som Zeros video visar kan den här typen av kompakta enhet bli mycket mer än en ”minidator”. Den kan bli en praktisk plattform för AI, nätverk, självhostning och cybersäkerhetsutbildning.

Chatt-AI jämfört med AI-agenter: konceptet bakom testet

Zero lägger tid på att förklara skillnaden mellan vanlig chattbaserad AI och AI-agenter.

En vanlig chatt-AI – som ChatGPT eller Gemini – är främst konversationsbaserad. Du ställer en fråga och den svarar. Den kan vara mycket intelligent, men arbetar vanligtvis inte vidare på egen hand mot ett mål.

En AI-agent fungerar annorlunda. En AI-agent får ett mål, delar upp det i uppgifter, upprepar handlingar, kontrollerar framstegen och fortsätter tills uppgiften är slutförd. I videon beskriver Zero det som ett system som fortsätter arbeta tills det når målet.

Tekniska termer som används i den här delen är:

• Chatt-AI: ett AI-system som svarar i ett konversationsformat.
• AI-agent: ett AI-system som kan upprepa uppgifter för att nå ett definierat mål.
• Autonom agent: en agent som kan fortsätta agera med mindre direkt mänsklig inblandning.
• Målcykel: den upprepade cykeln av att planera, agera, kontrollera och förbättra.

Zero nämner att många av hans tidigare videor handlade om AI-agenter. Ett exempel han tar upp är ett AI-system som undersöker en NAS och organiserar filer. I ett annat tidigare experiment använde han en enkortsdator för att skapa en självgående AI utan ett tydligt definierat mål.

Det tidigare konceptet med autonom AI blev grunden för det här nya experimentet.

Att tänka nytt kring AI-säkerhet: försvarare mot angripare

Experimentet förvandlar cybersäkerhet till en direkttävling mellan två AI-system som körs kontinuerligt.

Zero förklarar det defensiva AI-systemet med en liknelse om ett hus. Tänk dig att en tjänst är ett hus som innehåller en viktig nyckel. Om det finns en stor öppen dörr kan en angripare helt enkelt gå in och ta nyckeln. I så fall bör AI-försvararen identifiera problemet, testa om öppningen är farlig och stänga den.

Men alla öppningar kan inte stängas helt. Zero ger exemplet med ett inspektionshål på 10 cm. Hålet kan behövas för att administratören ska kunna kontrollera om nyckeln fortfarande är där. Om det stängs slutar en legitim funktion att fungera. Därför måste AI:n resonera mer noggrant:

1. Är öppningen faktiskt farlig?
2. Skulle en angripare kunna utnyttja det med ett verktyg?
3. Kan systemet behålla insynen och samtidigt blockera intrång?
4. Vilket försvar fungerar bäst?
5. Kan åtgärden testas mot den tänkta attacken?

I liknelsen skulle den slutliga lösningen kunna vara ett kraftigt nätgaller: ingen kan ta sig in, men administratören kan fortfarande se igenom det.

Detta är grundidén bakom det defensiva AI-systemet i videon: inte bara att hitta svagheter, utan också att verifiera dem, testa möjliga attacker och vidta motåtgärder.

Bygga testmiljön

Zero skapade sedan en simulerad företagstjänst för experimentet. Tjänsten fungerade som ett internt kundhanteringssystem, ungefär som ett CRM.

Systemet innehöll flera realistiska affärsfunktioner:

• Kundregister
• Affärs- eller projektinformation
• Supportärenden
• Kontraktslistor
• Interna anteckningar
• Aktivitetsloggar
• Sökfunktion
• En offentlig blogg
• Användarhantering
• Känslig intern information, inklusive API-nycklar som avsiktligt exponerats för demonstrationen

Han förklarar att många företag har liknande interna administrationsverktyg. Om ett sådant system komprometteras kan kunddata, interna anteckningar, blogginnehåll, användarbehörigheter och verksamhetsuppgifter påverkas.

Detta gjorde testmiljön tillräckligt realistisk för att visa varför AI-driven försvarsteknik kan vara viktig för vanliga affärssystem.

Försvararens instrumentpanel gjordes medvetet visuellt dramatisk och cyberpunkliknande för videon. Den visade tjänstestatus, aviseringar, återställningsåtgärder, varningar om manipulering och flera agenter som arbetade samtidigt. Zero nämner att upp till ungefär fem AI-agenter kunde arbeta tillsammans på försvarssidan.

Angriparsystemet styrdes också av ett agentliknande arbetsflöde som hela tiden provade olika vägar för att hitta ett sätt att ta sig in.

Därför passar ZimaBoard 2 för den här typen av AI-scenario i ett hemlabb

Ett sådant projekt kräver en liten serverplattform som kan köras kontinuerligt, hantera olika programvarumiljöer och stödja nätverksexperiment. Därför passar ZimaBoard 2 naturligt in.

För kreativa gör-det-självare och teknikentusiaster kan ZimaBoard 2 fungera som en miniserver som ser enkel ut men klarar krävande arbetsuppgifter.

Den ursprungliga produktbeskrivningen passar särskilt bra för videon:

”Liten, lätt att hacka och ganska gullig. Många kallar den en miniserver som ser ut som en leksak men presterar som ett kraftpaket.”

Med ZimaBoard 2 kan användare testa operativsystem som ZimaOS, TrueNAS, Proxmox, Debian och pfSense. De kan köra Docker-containrar, självhostade tjänster, medieservrar, lagringssystem och AI-experiment. I den här videon blir kortet en kompakt cyberövningsmiljö – en kontrollerad miljö för att observera hur AI-agenter kan bete sig i attack- och försvarssimuleringar.

För dig som är intresserad av att bygga ett hemlabb har ZimaBoard 2 flera fördelar:

• Låg strömförbrukning för drift dygnet runt
• Tyst och sval drift
• Dubbla 2,5G Ethernet-portar för nätverksuppgifter
• Inbyggd SATA för utbyggnad av lagringsutrymmet
• PCIe-stöd för nätverkskort, grafikkort eller NVMe-adaptrar
• Kompatibelt med flera serveroperativsystem
• Kompakt format som passar i små arbetsutrymmen

Därför kan ett ZimaBoard 2-hemlabb användas inte bara för lagring och medieströmning, utan också för praktiska experiment med AI-automation och cybersäkerhetsövervakning.

Starta försvararen först

Zero förklarar att försvaret helst bör förberedas innan attackverktyg blir allmänt spridda. Han hänvisar till tanken att regeringar och organisationer kan vilja stärka säkerheten i banker, tjänster och infrastruktur innan kraftfulla AI-system blir allmänt tillgängliga.

I videon startar han försvararen först.

Försvararen börjar med att inspektera tjänsten, leta efter problem och försöka åtgärda det som går. Till en början syns inga attacker. Tjänsten fortsätter att fungera som vanligt.

Efter ungefär en och en halv minut bestämmer sig Zero för att angriparen ska börja. Han påpekar att videon kan bli mindre balanserad om försvararen får för mycket förberedelsetid. Han vill att simuleringen ska likna en värld där angripare dyker upp innan försvararna har hunnit slutföra sitt arbete.

Sedan sätter angriparen igång.

Attacken börjar: kontinuerliga sonderingar

När angriparen väl sätter igång ökar antalet försök snabbt. Zero ser hur antalet stiger från 30-talet och uppåt medan den angripande AI:n testar olika möjliga ingångspunkter.

Angriparen provar många allmänna metoder eftersom den inte har fått fullständig information om måltjänsten. Zero förklarar att om angriparen fick mer målspecifik information skulle den sannolikt rikta sina insatser mer effektivt. I det här experimentet undersöker angriparen dock brett allt som verkar tänkbart.

Tekniska termer som förekommer i det här avsnittet:

• API: ett gränssnitt som gör det möjligt för programvara att skicka kommandon eller förfrågningar till en tjänst.
• SQL: ett frågespråk för databaser som ofta förknippas med databasåtkomst och injektionsrisker.
• JWT: JSON Web Token, ett tokenformat som ofta används för autentisering.
• GraphQL: ett frågespråk för API:er som används för att begära strukturerade data.
• Administrativ slutpunkt: en URL eller API-sökväg avsedd för administratörsfunktioner.

Zero betonar varför AI förändrar situationen:

”Hittills var det här mekaniskt. Nu blir det AI, och det är skrämmande.”

AI kan resonera, variera sina försök och testa mönster med slumpmässighet. Därför känns beteendet mindre som ett statiskt skript och mer som en anpassningsbar operatör.

Försvararen upptäcker angriparen

Till en början är försvararens instrumentpanel lugn. Sedan hittar angriparen exponerade områden, däribland avsiktligt sårbara sökvägar. Zero ser fynd som rör exponerad källkodshantering, API-förhandsvisningar, dataläckor från GraphQL och API-nycklar.

Snart börjar försvararen reagera.

Ett av videons viktigaste ögonblick är när försvararen identifierar angriparens IP-adress och börjar undersöka aktiviteten.

Den defensiva agenten upptäcker misstänkta åtkomstmönster. Den verkar uppmärksamma försök mot administrativa API:er och möjliga JWT-relaterade beteenden. Systemet börjar rapportera varningar, utredningsloggar och försvarsåtgärder.

Zero beskriver scenen som att de två sidorna äntligen ”slåss”.

Försvararen vidtar också praktiska åtgärder. Ett exempel är att inaktivera eller låsa det förutsägbara administratörskontot. Zero testar senare detta manuellt genom att prova ett vanligt inloggningsmönster för administratörer och bekräftar att kontot har låsts, med den angivna orsaken.

Det här visar en viktig säkerhetsprincip: förutsägbara privilegierade konton är farliga och bör skyddas, byta namn på, inaktiveras eller göras säkrare.

Tjänsten stängs av och återställs

Ännu ett dramatiskt ögonblick inträffar när tjänsten går ner.

Zero märker att instrumentpanelen rapporterar ett kritiskt problem med vanliga användarlösenord som lagras i SQL i klartext, vilket innebär att de sparats utan kryptering. Tjänsten verkar stanna tillfälligt.

Han tolkar det som en avsiktlig försvarsåtgärd. Med andra ord kan försvararen ha kopplat ned tjänsten för att förhindra ytterligare exponering medan ändringarna genomfördes.

Sedan startar tjänsten om.

Zero bekräftar att inloggningssidan går att nå igen. Kontrollpanelen visar att ett försvar har aktiverats. Han förklarar inte alla tekniska detaljer, men sammanfattar att en sårbarhet upptäcktes och åtgärdades.

Det här ögonblicket visar en praktisk avvägning inom cybersäkerhet: ibland är ett tillfälligt avbrott säkrare än att låta en sårbar tjänst vara uppkopplad.

Det är därför incidenthanteringsplanering är viktig för riktiga företag. Ett system bör inte bara upptäcka problem, utan också veta när det ska isolera, patcha, starta om eller återställa tjänster.

Siffrorna: försök, fynd och AI-kostnader

Videon innehåller flera användbara datapunkter från experimentet:

• Angriparen gjorde ungefär 1 000 attackförsök.
• Omkring 5 känsliga områden som inte borde ha exponerats upptäcktes.
• Försvararen rapporterade vid ett tillfälle omkring 3 larm- eller rapportposter .
• Experimentet pågick tillräckligt länge för att båda sidor skulle hamna i en fram-och-tillbaka-cykel.
• Zero had charged roughly 4,000 yen for AI usage, but the budget was consumed quickly.
• Han nämner att han använde en relativt kapabel modell, vilket ökade kostnaden.
• Flera AI-processer kördes snabbt, och den avslutande kommentaren antydde att många agenter var aktiva i högt tempo.

Den mest minnesvärda praktiska lärdomen kan vara kostnaden. Även med ett billigare AI-alternativ kan kontinuerliga agentloopar förbruka krediter mycket snabbt.

Zero avbryter experimentet när AI-förfrågningarna överskrider budgeten.

”Pengarna tog slut.”

Den formuleringen fångar en av de förbisedda realiteterna med agentiska AI-system: autonomi är kraftfullt, men kontinuerligt resonerande kan bli kostsamt.

Vad experimentet visade

Den viktigaste slutsatsen är att AI-driven cybersäkerhet kan bli en tävlan i realtid om upptäckt, försvar, anpassning och kostnader.

Zero drar slutsatsen att experimentet utvecklades till en sorts katt-och-råtta-lek. Angriparen hittade sårbarheter, försvararen reagerade och båda systemen fortsatte att arbeta i högt tempo.

Han lyfter också en större poäng: människor kanske inte ensamma klarar av att hålla jämna steg med det här tempot. Om angripare använder AI för att automatisera sondering och exploateringsförsök kan försvarare också behöva AI-stödda system för övervakning, patchning och incidenthantering.

Men påpekar han också att det i dagens värld görs mer avancerade AI-experiment på angriparsidan än på försvarssidan. Angripare kan förekomma i stora antal, inte bara en i taget. I videon gjorde en enda angripare omkring 1 000 försök. Om det blev 100 eller 1 000 angripare skulle omfattningen förändras dramatiskt.

Den iakttagelsen är en av videons starkaste delar. Cybersäkerhet handlar inte bara om en smart angripare. Det handlar om volym, automatisering, uthållighet och asymmetri.

Säkra lärdomar för hemlabbsanvändare och byggare

Videon är underhållande, men den innehåller också praktiska lärdomar för alla som kör ett hemlabb, en NAS, en självhostad tjänst eller en server för småföretag.

En ZimaBoard 2-hemlabb är en utmärkt plats för att lära sig de här sakerna på ett säkert sätt i en kontrollerad miljö.

Här är de viktigaste säkerhetslärdomarna:

1. Exponera inte onödiga tjänster
   Om en ingångspunkt inte behöver vara offentlig, håll den stängd.

2. Undvik förutsägbara administratörskonton
   Standardmässiga eller uppenbara administratörsanvändarnamn medför onödiga risker.

3. Lagra aldrig lösenord i klartext
   Lösenord bör hashkodas på ett säkert sätt, inte lagras som läsbar text.

4. Skydda API-rutter noggrant
   API:er blir ofta värdefulla mål eftersom de kan ändra användare, data eller inställningar.

5. Övervaka loggar kontinuerligt
   Aktivitetsloggar kan avslöja sondering, upprepade fel, ovanlig åtkomst och misstänkt automatisering.

6. Använd segmentering
   Håll experimentella tjänster åtskilda från viktiga produktionssystem.

7. Ha en återställningsplan
   Att starta om, isolera eller återställa en tjänst bör planeras innan en incident inträffar.

8. Budgetera för AI-arbetsbelastningar
   Autonoma AI-loopar kan förbruka tokens och krediter snabbare än väntat.

9. Använd labbmiljöer på ett ansvarsfullt sätt
   Säkerhetsexperiment bör endast utföras på system som du äger eller har tillstånd att testa.

Det här är praktiska lärdomar för alla som kör Docker-labb, Proxmox-noder, personliga NAS-system eller AI-containrar på ZimaBoard 2.

Varför detta är ett bra användningsområde för ZimaSpace-användare

ZimaSpace-enheter är utformade för användare som gillar att bygga, testa, ha sönder, laga och lära sig. Den här videon passar perfekt in i den kulturen.

ZimaBoard 2 är inte bara ett kort för lagring eller medieströmning; det är en flexibel x86-plattform för teknisk nyfikenhet i praktiken.

Till exempel kan användare skapa:

• En brandvägg för hemmet med pfSense
• En personlig NAS med TrueNAS eller ZimaOS
• En tjänstelabb baserad på Docker
• En lokal testmiljö för AI-agenter
• En Plex-server
• En Pi-hole-nod för DNS-filtrering
• En kompakt Proxmox-värd för virtualisering
• En privat utvecklingsmiljö
• Ett litet labb för cybersäkerhetsövervakning

Eftersom ZimaBoard 2 har inbyggd SATA, PCIe-expansion och dubbla 2,5G Ethernet-portar kan den växa med användarens idéer. Behöver du lokal lagring? Lägg till SSD-enheter. Vill du ha snabbare nätverk? Lägg till ett 10G-nätverkskort. Vill du experimentera med AI-acceleration eller NVMe-lagring? Använd PCIe-expansion.

Det här är värdet med en kompakt x86-hemmaserver: den ger kreatörer och utvecklare en fysisk lekplats för modern databehandling.

Den större bilden: AI kommer att förändra säkerhetens båda sidor

Zero avslutar videon med att fundera över framtiden. Om kraftfulla AI-system blir allmänt tillgängliga kommer vissa att missbruka dem. Måltavlor kan finnas var som helst i världen. Det bästa bemötandet är att förstå riskerna, skydda det som går att skydda och inse att även försvarsverktygen kommer att fortsätta förbättras.

Han lägger också till en väldigt mänsklig kommentar:

”Människor bör hålla sig friska. Hälsa är viktigt.”

Det är ett roligt och jordnära slut efter en snabb och intensiv AI-strid.

Det övergripande budskapet är tydligt: AI-säkerheten utvecklas snabbt. Angripare kan använda automatisering, men det kan även försvarare. Frågan är om enskilda personer, företag och utvecklare är redo att testa, förstå och säkra sina system innan problem uppstår.

ZimaBoard 2:s roll inom AI-assisterad säkerhet

Zeros experiment med två ZimaBoard 2-enheter ger en spännande inblick i framtiden för AI-assisterad cybersäkerhet. Det ena kortet fungerade som försvarare och granskade och säkrade kontinuerligt en simulerad CRM-tjänst. Det andra fungerade som angripare och genererade omkring 1 000 sonderingsförsök och upptäckte flera avsiktligt exponerade känsliga områden. Försvararen upptäckte aktiviteten, låste riskfyllda konton, tillämpade korrigeringar och verkade till och med tillfälligt stänga ned tjänsten för att skydda den.

För ZimaSpace är detta ett perfekt exempel på vad som gör kompakta x86-enheter värdefulla. Ett litet, tyst kort med låg strömförbrukning kan bli en medieserver, NAS, router, Docker-värd, plattform för AI-containrar eller cybersäkerhetslabb.

Om du bygger själv, gillar hemlabb, är utvecklare eller lär dig om säkerhet ger ZimaBoard 2 dig en praktisk plattform för att utforska framtiden för egen drift och AI-driven automatisering – säkert, ansvarsfullt och kreativt.

Återigen tack till Zeros kanal för den fantasifulla demonstrationen och för att visa hur mycket man kan göra med kompakt hårdvara, AI-agenter och en stark experimentell inställning.