整理／鄭宜芬
相較傳統加密貨幣挖礦劫持（cryptojacking）對運算資源逐漸耗損，LLMJacking 恐導致相關費用急遽暴增。Mandiant 與 Google 威脅情報小組（Google Threat Intelligence Group, GTIG）發佈的最新報告《The Rise of LLMJacking: How Threat Actors Monetize Compromised Cloud and Model Resources》揭露了 LLMJacking 的運作機制，從近期的調查中發現，單日遭盜用的金額就已超過 10 萬美元，而在未經授權的存取權被撤銷前，累積的損失金額更高達 100 萬美元。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
報告五大重點
- 全球攻擊目標：
近期的入侵事件影響了北美、南美與亞太地區的組織，涵蓋金融服務、零售、科技與運輸等產業。
- 初始存取途徑（Initial Access Vectors）
威脅發動者利用憑證竊取、工作階段劫持（session hijacking）以及遭竊的憑證來存取目標環境，包含從公開的 GitHub 存放區中蒐集有效憑證。
- 地下變現與 LLM Mixers：
威脅發動者將竊取來的金鑰集中至非法代理伺服器閘道（proxy gateways）中，並在地下黑市以極低的折扣，轉售未經授權的模型存取權。
- 實際案例影響：
在近期的調查中發現，單日遭盜用的金額超過 10 萬美元，而在未經授權的存取權被撤銷前，累積金額損失高達 100 萬美元。
在一個特定事件中，某個權杖路由服務（token routing service）將高達 100 萬美元的模型成本轉嫁給受害企業，同時卻以每月約 60 美元的價格，向買家提供無限制的前沿模型存取權。
另一個威脅發動者在不到 8 小時內，執行了超過 50 萬次的 LLM API 呼叫：為了規避速率限制（rate limits），該威脅發動者部署了「用完即棄與輪替（burn and rotate）」策略，持續建立並刪除短期的服務帳戶，同時稽核雲端供應商的帳單介面，以監控財務影響。
- 防禦指南：
此次報告不僅統整了戰術性的搜尋規則，更提供相關緩解策略，例如發掘影子 LLM（shadow LLM discovery）、精細的 API 金鑰權限範圍設定（API key scoping）與自動化機密掃描（automated secret scanning）。
隨著企業採用自主式代理與前沿模型的比例增加，保護 AI 憑證管道已成為企業資安領導者迫在眉睫的首要任務。
[ 推薦閱讀：Shadow AI 安全威脅難防，企業重要系統需優先納入治理 ]
專家籲密切監控模型與運算資源
Google 威脅情報小組首席分析師 John Hultquist 表示：「威脅發動者會在任何可能的情況下利用這項技術，取得超越防禦者的規模優勢。他們透過代理式工具以及從不知情的第三方竊取權杖（token）來達成此目的。封鎖這些資源不僅能保護組織免於成本失控的風險，也能保護更廣泛的社群免受大量廉價、自主攻擊的侵擾。組織必須密切監控並保護目前迅速導入上線的模型與運算資源，否則使用這些資源的人恐怕不是只有你。建議必須嚴格審查使用情況、啟用多重驗證機制，並謹慎管理機密資料。」
(本文授權非營利轉載，請註明出處：CIO Taiwan)
