LLMJacking 的崛起:威胁行为者如何将受损的云与模型资源变现

📌 One-Sentence Summary
Google 威胁情报团队详细披露了 LLMJacking——一种新型攻击手法,威胁行为者劫持企业 LLM 访问权限,利用窃取的凭证、暴露的端点和 LLM Mixer 将受损资源变现,产生超过 100 万美元的欺诈性云费用。
📝 Summary
本文来自 Google 威胁情报团队,深入剖析了 LLMJacking——一种快速演变的攻击策略,威胁行为者劫持企业对大语言模型的访问权限以产生欺诈性云费用。调查显示,LLMJacking 可在数小时内造成巨额财务损失,单起事件单日费用超过 10 万美元,累计费用可达 100 万美元。攻击生命周期始于初始访问,途径包括窃取的云身份令牌、暴露的 LLM 端点或受损的 API 密钥。随后,威胁行为者进行横向移动,通过 IAM 操纵、SSH 密钥注入以及利用 LLM 路由软件漏洞来提升权限并建立持久化。变现阶段涉及启用高级 LLM 服务、部署代理基础设施,并通过 LLM Mixer——聚合和转售窃取凭证的非法路由网关——出售访问权限。文章提供了全面的检测指南,包括监控未经授权的 LLM 服务启用情况,以及详细的缓解策略,涵盖凭证卫生、最小权限执行、速率限制、预算告警和 ML 供应链漏洞修补。
💡 Main Points
LLMJacking 能够对受损 LLM 资源实现快速、高利润的变现
与挖矿劫持的渐进式资源消耗不同,LLMJacking 可在数小时内产生巨额欺诈费用,已记录的事件单日超过 10 万美元,在检测和撤销前累计损失可达 100 万美元。
初始访问主要通过窃取的云身份令牌和暴露的 LLM 端点实现
威胁行为者利用 IAM 凭证、服务账号密钥、GitHub PAT 和活跃会话令牌,或使用自动化脚本测试公开暴露的 Ollama 端点,通过最小的单令牌请求验证访问权限以规避检测。
LLM Mixer 充当聚合和转售窃取 LLM 访问权限的非法路由网关
这些地下服务为订阅者代理、聚合和转售未经授权的 LLM 访问权限,有证据显示 jet-night.com 等服务以每月 60 美元提供前沿模型访问——远低于市场价格——依靠窃取凭证实现盈利。
复杂的规避和持久化技术包括 CVE 漏洞利用和基础设施操纵
威胁行为者利用 LiteLLM 网关中的 CVE-2026-40217 等漏洞提升权限、创建未经授权的 IAM 账户、注入 SSH 密钥,并使用 Manus 智能体等框架部署容器化后门以维持持久访问。
全面缓解需要在身份、基础设施和 ML 供应链层面实施多层安全控制
建议措施包括集中化密钥管理、最小权限 IAM 策略、自动化密钥扫描、通过 WAF 实施速率限制、预算告警、强制 MFA,以及对 LLM 路由中间件和依赖项进行持续漏洞修补。
💬 Key Quotes
与挖矿劫持相关的渐进式资源消耗不同,LLMJacking 可在数小时内产生大幅欺诈性云费用峰值。
在单起事件中,我们观察到与资源消耗相关的欺诈费用单日超过 10 万美元,部分组织在访问被撤销前累计费用达到 100 万美元。
威胁行为者频繁启用各种托管生成式平台,并创建额外的 API 密钥以扩大其操作规模。
GTIG 观察到的证据表明,威胁行为者并非仅将劫持的计算资源用于自身操作,而是通过 LLM Mixer 出售对这些资源的访问权限,将受损的 API 配额变现。
Jet Night 以每月约 60 美元提供无限令牌套餐,声称可访问前沿模型,而此类消费者服务级别通常每月费用在 100 至 250 美元之间。
📊 Article Meta
AI Screening: 92
Featured: Yes
Source: Google Cloud Blog
Author: Google Threat Intelligence Group, Mandiant
Category: 人工智能
Language: 英文
Read Time: 12 min
Word Count: 2976
Tags:
AI 与智能应用 , AI 安全与对齐 , 安全 , Google , AI 安全
内容翔实,正好需要,先收藏再看。
写得挺用心的,支持一下。
支持作者,持续关注中。
赞同,实践出真知。
很有价值的分享,感谢整理。
有没有更详细的教程,期待后续。
路过
收藏了,以后慢慢研究。
点赞,必须点赞
思路清晰,干货满满。
楼主辛苦了,内容很有参考价值。
点赞,必须点赞