LLMjacking利用被盗AI凭证制造巨额企业账单
ZDNET AI··作者 Charlie Osborne
关键信息
凭证可能通过网络钓鱼、数据泄露、配置暴露、软件漏洞、企业网络入侵或内部人员威胁被盗，随后还可能在地下市场上转售。建议采取的防护措施包括使用短期凭证、限制访问权限、设置用量配额和异常告警、保护调用日志、频繁审计配置以及及时安装补丁。
资讯摘要
Google威胁情报团队首席分析师John Hultquist表示，其团队在2026年观察到LLMjacking活动大幅增加。这种行为类似于加密劫持，但攻击者不是利用被盗算力非法挖掘加密货币，而是消耗其他组织的AI模型、令牌和基础设施。犯罪分子可能通过网络钓鱼、数据泄露、软件漏洞、配置暴露、网络入侵和内部人员活动获取用户名、密码或API密钥。他们可以利用这些访问权限执行高成本计算任务、运行恶意AI工作负载、尝试提取企业信息或干扰训练数据，被盗凭证还可能被转售。
由于先进模型需要大量计算能力和令牌支出，未经授权的使用可能使企业每天增加数万美元甚至更多费用。Hultquist称，地下市场以最高97%的折扣出售Anthropic、Google和OpenAI服务的非法访问权限，一些卖家甚至承诺在受害账户被停用后提供替代访问。企业应将AI凭证视为高价值资产，通过加强网络钓鱼培训、审计配置、修补漏洞、限制权限、监控资源消耗并迅速处理异常用量来降低风险。
资讯正文
ZDNET要点
安全专家警告称，窃取的人工智能账户凭据正形成一个不断扩大的市场。
LLMjacking，即非法使用人工智能资源，是2026年一种流行的犯罪趋势。
企业必须监控并保护自己的账户。以下是应对方法。
安全专家警告称，我们需要担心的不只是失控的人工智能（AI）——围绕出售他人AI模型和计算能力访问权限的地下经济也正在蓬勃发展。
Google Threat Intelligence Group首席分析师John Hultquist在接受《金融时报》采访时表示，该网络安全部门发现，2026年以来，被称为LLMjacking的活动“大幅增加”，这一趋势可能让企业付出高昂代价。
什么是LLMjacking？
如果你想到过cryptojacking，那就找对方向了。cryptojacking指的是窃取计算能力来非法挖掘加密货币，而LLMjacking则是其在AI领域的对应形式：使用不属于自己的AI算力和资源。
在网络犯罪领域，这意味着犯罪分子试图获取凭据或API密钥，以便获得企业AI账户的授权访问权限。这些账户通常拥有很高的使用上限，甚至完全没有上限——超出令牌额度的费用会在正常订阅成本之外另行计收。
网络犯罪分子可以通过入侵企业网络，或利用网络钓鱼、数据泄露、漏洞以及内部威胁窃取用户名和密码组合或API密钥。这样一来，他们就能使用AI模型，而无需自行支付令牌费用，具体目的包括：
执行需要令牌的高强度计算任务；
利用计算资源运行自己的恶意AI模型或执行恶意任务；
提取并窃取输入受害者模型中的敏感企业信息；
污染训练数据集，破坏模型输出。
凭据和API密钥一旦被盗，也可以在地下市场上出售给其他网络犯罪团伙。
LLMjacking成本不断上升
随着OpenAI和Anthropic等机构提供的AI模型在复杂程度、容量和能力方面不断提升，它们需要更多计算能力。
所需算力越大，需要购买的令牌就越多，或者必须购买更高等级的订阅。
对于企业来说，未经授权的用户造成的账单膨胀可能会迅速累积。Sysdig威胁研究团队估计，在顶级模型上，每日额外费用可能达到约46,000美元，甚至超过100,000美元。
“有保障”的超低价AI模型访问权限
将AI的原始能力与网上可以轻易购买的暴露凭据结合起来，就不难理解LLMjacking为何正迅速流行起来。
Hultquist表示，该安全团队发现，有人以低至原价3%的价格非法提供Anthropic、Google和OpenAI等公司AI模型的访问权限；一些交易者甚至保证，即使遭入侵的账户被撤销或关闭，也能持续提供访问权限。
LLMjacking造成的财务损失并不只限于受害者。正如这位分析师指出的那样，网络犯罪分子通过利用被盗用的 AI 算力，使用由他人付费的 AI 资源发动攻击，从而获得了“经济优势”；与此同时，防御方却受到不断上涨的 token 成本的制约。
企业如何保护自己
AI 账户如今十分抢手，降低账户遭入侵风险是账户所有者的责任——尤其是在潜在财务后果如此严重的情况下。
网络钓鱼现在是、很可能一直也会是账户被盗或遭滥用的主要原因之一。因此，企业保护自身的首要措施之一，就是实施有价值的培训和安全意识计划，而不是把培训仅仅当作每年例行公事般的打勾项目。
配置错误的实例、设置以及暴露的数据都可能导致 LLMjacking。因此，企业应给予安全团队充足的时间和能力，以便频繁开展审计，同时定期进行补丁周期，修复未打补丁的漏洞，因为这些漏洞可能被用来获取未经授权的网络访问权限。
防御 LLMjacking、保护组织安全的另一项关键措施，是采用最小权限原则。最小权限（或零信任）是一种安全框架：员工只能访问完成工作所需的资源，并且只能在需要时访问。这有助于降低管理员级账户被利用于恶意目的的风险。
最后，应避免将凭据和 API 密钥硬编码；如果企业认为发生了安全漏洞，应立即轮换所有凭据和密钥。如果发现异常的 AI 使用情况，例如活动量突然激增，应考虑暂时撤销访问权限，并联系服务提供商。
来源与参考
收录于 2026-09-30