最新研究揭示，网络攻击者正利用暴露的云凭证，快速劫持企业的人工智能（AI）系统。这种攻击方式被称为LLMjacking，主要针对非人类身份（NHIs），如API密钥、服务账户和机器凭证，以绕过传统安全控制并利用被盗的生成式AI访问权限进行非法牟利。
攻击模式
安全公司Entro Labs的研究发现，攻击者利用自动化的机器人扫描公共代码库和论坛，使用Python脚本检测有效凭证。一旦凭证被暴露，攻击者在9至17分钟内进行初步的API调用，如GetCostAndUsage，以评估账户价值，同时避免使用可预测的调用如GetCallerIdentity来逃避检测。
在模型枚举阶段，入侵者通过AWS Bedrock执行GetFoundationModelAvailability请求，以编目可访问的大型语言模型（LLM），包括Anthropic的Claude和Amazon Titan。最后，在利用阶段，攻击者自动尝试InvokeModel，针对受 compromise的端点进行攻击，研究人员观察到每小时有1200多次未经授权的推理尝试。
实际案例
Storm-2139网络犯罪集团最近利用这种方法针对Microsoft Azure AI客户，窃取API密钥以生成暗网内容。微软在2025年第一季度的泄露事件中，威胁行为者使用被盗的Azure OpenAI密钥生成了14,000多张深度伪造图像。
风险与影响
LLMjacking带来的风险包括成本利用、数据泄露和声誉损害。一个被compromise的NHI账户每天可能产生高达46,000美元的未授权推理费用。在22%的观察事件中，攻击者还泄露了模型配置和训练数据元数据。微软的泄露事件中，威胁行为者生成了大量深度伪造图像，对公司的声誉造成了严重影响。
缓解策略
为了应对这种威胁，企业需要采取一系列措施，包括实时检测和监控NHIs、实施自动密钥轮换、执行最小权限原则、监控异常API活动以及教育开发人员安全地管理NHIs。在攻击者能够在不到20分钟内利用泄露的情况下，实时密钥扫描和自动轮换不再是可选的安全措施，而是确保企业在LLM时代生存的关键机制。
