--- title: "Ataki LLMjacking generują milionowe rachunki za usługi AI w chmurze" description: "Ataki LLMjacking wykorzystują przejęte klucze API i publiczne punkty dostępu do usług AI, aby generować nieautoryzowane zużycie i wysokie rachunki w chmurze. Badacze Google i Mandiant opisują przypadki kosztów przekraczających 100 tys. dolarów dziennie oraz sięgających 1 mln dolarów łącznie." publisher: "Najnowsze Informacje" language: "pl-PL" canonical_url: "https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze" markdown_url: "https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze/index.md" date_published: "2026-11-06T17:32:58.202Z" date_modified: "2026-11-06T17:33:04.660Z" author: "Redakcja" category: "Cyberbezpieczeństwo" tags: - "llmjacking" - "bezpieczeństwo chmury" - "sztuczna inteligencja" - "klucze api" - "cyberataki" source_url: "https://www.bleepingcomputer.com/news/security/google-llmjacking-attacks-rack-up-1-million-in-cloud-ai-charges/" source_name: "BleepingComputer" image_url: "https://najnowsze-informacje.pl/api/media/file/cyberbezpieczenstwo-unsplash-1793732615083.jpeg" image_alt: "a close up of a network with wires connected to it" image_credit: "© Albert Stoynov / Unsplash" image_credit_url: "https://unsplash.com/@albertstoynov" --- # Ataki LLMjacking generują milionowe rachunki za usługi AI w chmurze > Przejęte klucze API i publicznie dostępne usługi AI pozwalają atakującym przerzucać na firmy rachunki przekraczające 100 tys. dolarów dziennie. ## Kluczowe informacje - Nieautoryzowane użycie usług AI może generować ponad 100 tys. dolarów kosztów w ciągu jednego dnia. - Atakujący wykorzystują publicznie dostępne punkty końcowe oraz skradzione klucze API i dane uwierzytelniające. - Ograniczenie uprawnień, odporne na phishing MFA, limity wydatków i monitoring logów utrudniają LLMjacking. Ataki określane jako LLMjacking powodują coraz wyższe, nieautoryzowane rachunki za usługi sztucznej inteligencji działające w chmurze. Według obserwacji Google Threat Intelligence Group oraz Mandiant niektóre organizacje traciły w ten sposób ponad 100 tys. dolarów w ciągu jednego dnia. W skrajnych przypadkach suma obciążeń przypisanych do przejętej infrastruktury sięgała 1 mln dolarów. Nie chodzi przy tym o zwykłe przekroczenie prognozowanego zużycia, lecz o wykorzystanie cudzych kont, kluczy i zasobów do obsługi żądań pochodzących od osób trzecich. ## Rachunek trafia do właściciela przejętej usługi Mechanizm jest możliwy dlatego, że dostawca usługi chmurowej widzi poprawnie uwierzytelnione wywołania. Jeśli żądania zostały wysłane przy użyciu ważnego klucza API albo konta mającego dostęp do modeli, mogą wyglądać jak legalna aktywność organizacji. Atakujący zwiększają wtedy liczbę zapytań do modeli językowych, a koszt tokenów i infrastruktury jest rozliczany z ofiarą. W analizowanych przypadkach natężenie ruchu potrafiło nagle przekroczyć 1 tys. żądań na sekundę. Dla zespołu bezpieczeństwa sygnałem ostrzegawczym nie musi być więc pojedyncze podejrzane logowanie, ale gwałtowna zmiana profilu użycia, kosztów lub rodzaju wykorzystywanych usług. - Badacze odnotowali przypadki kosztów przekraczających 100 tys. dolarów w ciągu jednego dnia. - Łączne obciążenia w niektórych organizacjach sięgały 1 mln dolarów. - Po przejęciu usługi liczba żądań mogła nagle wzrosnąć do ponad 1 tys. na sekundę. - Jedna z opisanych operacji obejmowała ponad 500 tys. wywołań API w czasie krótszym niż osiem godzin. - Koszty były generowane przez osoby trzecie, ale dostawca traktował ruch jako zużycie przypisane do prawowitego klienta. ## Dwie główne ścieżki uzyskania dostępu Google i Mandiant wyróżniły dwa odrębne klastry operacyjne związane z przejmowaniem i monetyzacją firmowej infrastruktury LLM. Pierwszy koncentruje się na wyszukiwaniu publicznie dostępnych punktów końcowych modeli i usług AI. Drugi pozyskuje ważne dane uwierzytelniające, w tym klucze API przechowywane na niewłaściwie zabezpieczonych urządzeniach lub w środowiskach chmurowych. W obu wariantach celem jest uzyskanie dostępu, który można wykorzystać bez natychmiastowego wzbudzenia podejrzeń. Badacze wskazują, że w tym roku obserwowali wzrost takiej aktywności oraz coraz wyższe koszty przypisywane poszkodowanym organizacjom. ## Mixery LLM tworzą rynek dla skradzionego dostępu Po uzyskaniu dostępu atakujący mogą odsprzedać go usługom określanym jako mixery LLM. Takie pośredniki oferują swoim klientom tani dostęp do modeli, przekazując ich zapytania przez infrastrukturę proxy i przejęte klucze API. Dla użytkownika końcowego usługa może wyglądać jak niskokosztowy sposób korzystania z wielu modeli, natomiast rachunek za tokeny trafia do organizacji, której zasoby zostały wykorzystane. Google opisał między innymi usługę Jet Night, oferującą plany nieograniczonego dostępu za 60 dolarów miesięcznie. W jednym z przypadków przypisywanych temu modelowi ponad 500 tys. wywołań API wykonano w czasie krótszym niż osiem godzin, a koszty tokenów poniesione przez ofiarę wyniosły niemal 1 mln dolarów. ## Atakujący przejmują nie tylko klucze do modeli Zakres wykorzystywanych danych jest szerszy niż same klucze do usług AI. W obserwowanych incydentach pojawiały się poświadczenia chmurowe, klucze kont usługowych, tokeny GitHub, aktywne tokeny sesji oraz inne sekrety zapisane w środowisku organizacji. Badacze opisali też klaster UNC6993, który miał agregować skradzione klucze i rozdzielać żądania, a dostęp do takiej infrastruktury mógł być oferowany na forach podziemnych. Po uzyskaniu dostępu napastnicy podejmowali próby utrzymania go przez tworzenie dodatkowych kont lub modyfikowanie mechanizmów logowania. To sprawia, że samo unieważnienie pojedynczego klucza może nie wystarczyć, jeśli organizacja nie sprawdzi jednocześnie powiązanych kont, tokenów i uprawnień. Google odnotował również przypadki wykorzystywania infrastruktury chmurowej ofiary do uruchamiania nieautoryzowanych punktów proxy oraz obciążeń agentowych. W takim scenariuszu przejęte środowisko nie służy wyłącznie do wysyłania zapytań do modeli. Może zostać użyte jako warstwa pośrednicząca dla wielu usług AI albo jako miejsce uruchamiania dodatkowych procesów. Badacze wskazali także na wykorzystanie podatności CVE-2026-40217 w narzędziu LiteLLM. Luka pozwalała na wykonanie własnego kodu na serwerze za pośrednictwem funkcji związanej z testowaniem niestandardowych zabezpieczeń. Informacja ta pokazuje, że ryzyko obejmuje zarówno błędy w konfiguracji i ochronie poświadczeń, jak i podatności w komponentach używanych do łączenia aplikacji z modelami. ## Jak ograniczyć ryzyko LLMjacking - Wzmocnić zarządzanie tożsamością i dostępem, stosując zasadę najmniejszych uprawnień. Konta i aplikacje nie powinny otrzymywać dostępu do usług AI, jeśli nie jest on wymagany do realizacji ich zadań. - Przechowywać sekrety w centralnym systemie zarządzania, regularnie je rotować i usuwać z miejsc, w których mogą zostać ujawnione. Dotyczy to kluczy API, tokenów sesji, kluczy kont usługowych i innych danych uwierzytelniających. - Włączyć odporne na phishing uwierzytelnianie wieloskładnikowe dla kont administracyjnych i innych tożsamości o szerokich uprawnieniach. - Ustawić limity użycia API oraz limity wydatków. Nagły wzrost liczby żądań lub kosztów powinien generować alert i, jeśli to możliwe, automatycznie ograniczać dalsze obciążenia. - Zapewnić widoczność wszystkich zatwierdzonych i niezatwierdzonych usług AI, aby wykrywać zjawisko shadow AI oraz korzystanie z modeli poza przyjętymi procedurami. - Włączyć i monitorować logi audytowe chmury oraz logi wnioskowania modeli. Należy zwracać uwagę na aktywację nowych usług, nietypowe użycie poświadczeń, niecodzienne wzorce zapytań i próby wyłączenia rejestrowania zdarzeń. ## Wyjaśnienie pojęć ### [LLMJacking](https://najnowsze-informacje.pl/definicje/llmjacking) Wykorzystanie skradzionych danych dostępowych do uruchamiania modeli AI na rachunek innej organizacji. ### [klucz API](https://najnowsze-informacje.pl/definicje/klucz-api) Klucz API to poufny ciąg znaków służący do uwierzytelniania aplikacji lub użytkownika podczas korzystania z interfejsu programistycznego. ### [Mikser LLM](https://najnowsze-informacje.pl/definicje/mikser-llm) Usługa pośrednicząca, która odsprzedaje dostęp do modeli językowych za pośrednictwem przejętych kont lub kluczy. ### [Shadow AI](https://najnowsze-informacje.pl/definicje/shadow-ai) Nieautoryzowane lub niemonitorowane użycie narzędzi i usług sztucznej inteligencji w organizacji. ## Źródło pierwotne [BleepingComputer](https://www.bleepingcomputer.com/news/security/google-llmjacking-attacks-rack-up-1-million-in-cloud-ai-charges/) --- ## Informacje do cytowania - **Autor:** Redakcja - **Data publikacji:** 2026-11-06T17:32:58.202Z - **Ostatnia aktualizacja:** 2026-11-06T17:33:04.660Z - **Kategoria:** Cyberbezpieczeństwo - **Adres kanoniczny:** [https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze](https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze) - **Wersja Markdown:** [https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze/index.md](https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze/index.md) **Sugerowane cytowanie:** > Najnowsze Informacje, „Ataki LLMjacking generują milionowe rachunki za usługi AI w chmurze”, 2026-11-06, https://najnowsze-informacje.pl/cyberbezpieczenstwo/ataki-llmjacking-generuja-milionowe-rachunki-za-uslugi-ai-w-chmurze