گوگل: حملات LLMjacking یک میلیون دلار هزینه هوش مصنوعی ابری را به همراه دارد

بر اساس مشاهدات آنها، "دو خوشه عملیاتی متمایز وجود دارد که برای به خطر انداختن و کسب درآمد زیرساخت های LLM سازمانی هماهنگ می شوند."

محققان دو دسته از عوامل تهدید را شناسایی کردند: آنهایی که نقاط پایانی LLM در معرض عموم را اسکن می کنند و کسانی که کلیدهای API معتبر را از ماشین های محافظت نشده سرقت می کنند.

پس از به دست آوردن دسترسی اولیه، مهاجمان آن را به سرویس هایی به نام میکسرهای LLM می فروشند که دسترسی غیرمجاز به LLM را برای مشترکین خود فراهم می کنند.

پس از فروش مجدد دسترسی، حجم درخواست‌ها می‌تواند به طور ناگهانی افزایش یابد و گاهی اوقات بیش از 1000 درخواست در ثانیه باشد. ارائه‌دهنده خدمات درخواست‌ها را به‌عنوان مصرف قانونی ثبت می‌کند و برای توکن‌ها از سازمان قربانی هزینه می‌گیرد.

میکسرهای LLM دسترسی به منابع هوش مصنوعی را با قیمت های بسیار پایین ارائه می دهند و از زیرساخت پروکسی خود برای انتقال درخواست های مشتریان به سرویس های ربوده شده از طریق کلیدهای API سرقت شده استفاده می کنند.

گوگل می‌گوید: «یک عامل تهدید دیگر که بیش از 500000 تماس API LLM را در کمتر از هشت ساعت اجرا کرد، از کلیدهای API شخص ثالث دزدیده شده استفاده کرد تا سرویس مسیریابی رمزی jet-night.com را تأمین کند.

«جت نایت نزدیک به یک میلیون دلار هزینه نمادین را به سازمان قربانی منتقل کرد.»

گوگل همچنین خوشه تهدید UNC6993 را شناسایی کرد که به نظر می‌رسد از ابزار دروازه برای جمع‌آوری کلیدهای دزدیده شده و توزیع درخواست‌ها استفاده می‌کند و احتمالا دسترسی را از طریق انجمن‌های زیرزمینی به فروش می‌رساند.

مهاجمان از طریق اعتبارنامه‌های ابری در معرض یا در معرض خطر، کلیدهای حساب سرویس، توکن‌های GitHub، نشانه‌های جلسه فعال و کلیدهای API LLM دسترسی پیدا می‌کنند.

مهاجمان محیط در معرض خطر را برای اعتبار، گزارش‌ها، پایگاه‌های داده و مدیران مخفی جستجو می‌کنند و سعی می‌کنند حساب‌های درب پشتی ایجاد کنند یا کلیدهای SSH را برای حفظ دسترسی دائمی تزریق کنند.

محققان همچنین عوامل تهدید را مشاهده کرده‌اند که از CVE-2026-40217 سوء استفاده می‌کنند، آسیب‌پذیری در LiteLLM که اجازه اجرای کد دلخواه را بر روی سرور با استفاده از نقطه پایانی آزمایشی گاردریل کد سفارشی می‌دهد.

در برخی موارد، گوگل می گوید که مهاجمان از زیرساخت ابری قربانی برای میزبانی نقاط پایانی پروکسی غیرمجاز و بارهای کاری عامل استفاده می کنند.

محققان می‌گویند: «به عنوان مثال، یک عامل تهدید، عامل‌ها را فعال کرد، پراکسی‌های معکوس در دسترس عموم را مستقر کرد و از بسته‌های پروکسی Node.js برای افشای نقاط پایانی سازگار با چند مرزی LLM که تحت شخصیتی به نام D1337-KAIROS تغییر نام‌گذاری شده‌اند، استفاده کرد.

Google اقدامات متعددی را برای محافظت در برابر حملات LLMjacking توصیه می‌کند که با اولویت‌بندی مدیریت هویت و دسترسی (IAM) و ایمن کردن زنجیره تامین شروع می‌شود.

شرکت ها باید از پلتفرم های اسرار متمرکز استفاده کنند تا چرخش و مدیریت کلیدها و اسرار حساس را فعال کنند. کاربران نباید امتیازات گسترده‌تری داشته باشند مگر اینکه بر اساس نقش و وظایف آن‌ها لازم باشد.

گوگل توصیه می کند: «تمام مجوزهایی را که به صراحت مورد نیاز نیستند، از جمله دسترسی به خدمات Cloud LLM رد کنید.

اجرای احراز هویت چندعاملی مقاوم در برابر فیشینگ (MFA)، اطمینان از ابزارهای نظارتی که دید جامعی را در سراسر محیط برای شناسایی سرویس‌های غیرمجاز LLM و AI (هوش مصنوعی سایه) فراهم می‌کنند، و تنظیم محدودیت‌های مصرف و هزینه API می‌تواند به سازمان‌ها کمک کند حملات LLMjacking را زود تشخیص دهند، تأثیر آنها را محدود کنند یا به طور کلی از آنها جلوگیری کنند.

علاوه بر این، گزارش‌های حسابرسی و استنتاج ابری باید برای فعال‌سازی غیرمجاز سرویس، بررسی‌های اعتبار مشکوک، استفاده غیرمعمول و تلاش‌ها برای غیرفعال کردن گزارش‌گیری فعال و نظارت شوند.

عوامل هوش مصنوعی Adaptive Security هدف، زمینه و رفتار ایمیل را برای کشف فیشینگ، در معرض خطر قرار دادن ایمیل تجاری و تقلب در صورت‌حساب تجزیه و تحلیل می‌کنند.

ببینید با اسکن 14 روزه فقط خواندنی Microsoft 365 یا Google Workspace، بدون هیچ تغییری در MX، چه اتفاقی می افتد.

هکرهای چینی از ARTEX AI در حملات خودکار علیه 200 سازمان استفاده می کنند

OpenAI می‌گوید محدودیت‌های استفاده Pro را دو برابر می‌کند و ویژگی‌های Work را به Chat می‌آورد

OpenAI محدودیت های استفاده از ChatGPT Pro را پس از کاهش 50 درصدی برنامه ریزی شده، دو برابر می کند

GPT-6.1 Terra OpenAI به طور کلی ایمن تر است، اما در آزمایشات پرچم های عملکرد مخرب بیشتری را نشان می دهد.

Warp رخنه‌هایی را فاش می‌کند که گزارش‌های عامل هوش مصنوعی، داده‌های تله‌متری کاربر را افشا می‌کند