Organizações vítimas estão amargando perdas de milhões de dólares em cobranças de tokens, à medida que criminosos sequestram o acesso corporativo a Modelos de Linguagem Grande (LLMs) para roubar recursos computacionais e serviços de IA de alto custo. Essas cobranças fraudulentas, decorrentes do consumo de recursos, podem ultrapassar US$ 100 mil por dia, segundo um relatório divulgado nesta segunda-feira por analistas de incidentes da Mandiant, do Google. Em alguns casos, os custos acumulados chegaram a US$ 1 milhão antes que as empresas vítimas revogassem o acesso dos intrusos.
"Sempre que possível, os atores de ameaças querem usar essa tecnologia para obter uma vantagem de escala sobre os defensores. Eles conseguem isso com ferramentas agentivas e roubando tokens de terceiros involuntários", disse John Hultquist, analista-chefe do Google Threat Intelligence Group, ao The Register. "Bloquear esses recursos não só protegerá as organizações contra custos descontrolados, mas também protegerá a comunidade em geral contra um dilúvio de ataques autônomos e baratos".
O Mecanismo do LLMJacking
A tática de sequestrar o acesso a LLMs é denominada "LLMJacking" e tem apresentado um aumento constante nos últimos dois anos. Em um caso extremo documentado em um relatório de agosto da CrowdStrike, um ladrão de tokens enviou cerca de 200 mil requisições de API em apenas dois minutos. Em outro incidente detalhado no relatório, um grupo rastreado pelo Google como UNC6993 obteve acesso ilícito a chaves de API de LLM, gerou chaves adicionais e habilitou serviços dentro dos projetos de nuvem da vítima, acumulando US$ 100 mil em cobranças.
A inteligência de ameaças do Google também documentou um ladrão de tokens diferente que inscreveu contas de vítimas em acordos de "Pay-As-You-Go" para acessar modelos avançados às custas da empresa. O criminoso selecionou modelos fundamentais premium, lançou fluxos de inferência de alto volume e utilizou uma "estratégia de queimar e rotacionar" para contornar limites de taxa, criando e excluindo contas de serviço de curta duração enquanto monitorava a interface de faturamento para acompanhar o impacto financeiro.
Escalada e Divisão de Trabalho no Crime
Em um incidente adicional, um invasor executou mais de 500 mil chamadas de API de LLM em menos de oito horas, utilizando chaves de API de terceiros roubadas para alimentar um serviço de roteamento de tokens chamado Jet Night. Segundo o relatório do Google, os custos por token oferecidos pelo Jet Night aos usuários são significativamente inferiores às taxas de mercado usuais, levando a inteligência de ameaças a acreditar que o serviço opera com chaves roubadas para ser lucrativo. Por exemplo, o Jet Night oferece um plano de tokens ilimitados por aproximadamente US$ 60 por mês com suposto acesso a modelos de ponta, um nível de serviço que normalmente custaria entre US$ 100 e US$ 250 mensais. O Jet Night admitiu diversas interrupções em seu canal público no Telegram, o que, segundo os analistas do Google, é "provavelmente devido às chaves roubadas serem revogadas à medida que as vítimas descobrem seus respectivos comprometimentos".
À medida que mais criminosos aderem ao ecossistema de LLMJacking, o Google observou uma divisão de trabalho entre aqueles que estabelecem o acesso inicial aos serviços de nuvem e IA comprometidos e aqueles que gerenciam a infraestrutura de monetização downstream, chamados de "LLM Mixers". Em um caso respondido pela Mandiant em meados de 2026, o UNC6993 comprometeu uma instância de nuvem através de uma chave de Conta de Serviço mal configurada e usou esse acesso para conceder permissões adicionais a uma API de modelo.
Implicações e Defesas
Os criminosos também criaram uma página de sequestro de sessão, que se apresentava como um portal de aplicação para ingressar em um grupo de usuários de LLM. Essa página enganava os usuários, direcionando-os para o site legítimo do serviço LLM e solicitando que colassem seu payload JSON bruto contendo um token de acesso ativo. Esse token era então enviado para a API de backend, contornando assim os controles de senha e autenticação multifator (MFA). O Google prevê que os criminosos priorizarão cada vez mais o LLMJacking em comparação com outros tipos de roubo de recursos, como o cryptojacking.
Para prevenir o abuso de serviços de LLM na nuvem, a empresa de segurança recomenda que os defensores priorizem o gerenciamento de identidade e acesso, juntamente com a segurança da cadeia de suprimentos. É crucial usar uma plataforma centralizada de gerenciamento de segredos para rotacionar chaves e segredos. Além disso, deve-se aplicar o princípio de privilégio mínimo a usuários e contas de serviço, garantindo que tenham apenas as permissões necessárias para completar suas funções e tarefas. A automação da varredura de segredos em bases de código também é essencial para identificar e remover quaisquer chaves de API e segredos adicionados ao código-fonte.
Com reportagem de Brazil Valley
Source · The Register
