LLMjacking 正在快速推高企业 AI 账单——如何阻止它
AI 算力正成为黑产的新目标。Google 威胁情报团队警告，LLMjacking——一种盗用企业 AI 凭证与 API 密钥的非法行为——在 2026 年出现“大幅增长”。被盗凭证在地下市场公开叫卖，而账单最终由企业买单。Sysdig 威胁研究团队估算，单次事件造成的额外费用约 46,000 美元，甚至更高。
什么是 LLMjacking？
如果你听过“加密劫持”（cryptojacking），理解 LLMjacking 就很容易。加密劫持是偷算力挖加密货币，而 LLMjacking 是它的 AI 版本：未经授权使用他人的 AI 模型和算力资源。
攻击者的目标很明确——拿到能访问企业 AI 账户的凭证或 API 密钥。这类账户通常有很高的使用上限，甚至在超出订阅额度后仍可继续消耗 token，费用在常规订阅之外单独结算。
凭证的获取途径并不新鲜：入侵企业网络、钓鱼攻击、数据泄露、系统漏洞，或内部人员泄密。一旦得手，攻击者就能在不支付 token 费用的情况下调用 AI 模型，用途包括：
- 执行需要大量 token 的高强度计算任务
- 利用算力运行自己的恶意 AI 模型或任务
- 提取企业输入模型中的敏感信息
- 污染训练数据集，破坏模型输出
更麻烦的是，被盗凭证和 API 密钥还会在地下市场转售给其他犯罪团伙，形成一条完整的黑色产业链。
为什么企业账单会飙升？
随着 OpenAI、Anthropic 等厂商的模型在能力、规模和复杂度上持续提升，调用它们所需的算力也在水涨船高。算力需求越大，企业需要购买的 token 越多，或必须订阅更高层级的套餐。
这意味着，一旦凭证落入他人之手，未授权使用带来的账单膨胀速度会非常快。Sysdig 威胁研究团队给出的估算数字是约 46,000 美元，而且这还只是起点。对于用量大、权限高的企业账户，损失可能远超这一水平。
企业该如何防范？
LLMjacking 的核心风险不在于模型本身“失控”，而在于凭证管理失控。企业可以从几个层面入手：
- 监控用量异常：对 API 调用量、token 消耗和账单波动建立实时告警，发现突增立即排查。
- 最小权限原则：严格限制 API 密钥的权限范围，避免一个密钥通行所有模型和服务。
- 密钥轮换与吊销：定期轮换凭证，员工离职或疑似泄露时第一时间吊销。
- 防钓鱼与内部管控：凭证泄露往往始于钓鱼邮件或内部人员，安全意识培训和访问审计同样关键。
- 设置用量上限：为账户配置硬性配额，避免“token 溢出”导致无上限扣费。
小结
LLMjacking 不是遥远的理论威胁。Google 威胁情报团队已经观察到它在 2026 年的明显升温，地下市场对 AI 凭证的需求正在推动这一趋势。对企业而言，AI 账单的异常增长可能不是业务扩张，而是凭证被盗的信号。把 AI 账户当作高价值资产来保护，已经是从现在就该做的事。
