Новая угроза: LLM Mixers и экономика «пennies»
В отчете Q4 AI Threat Tracker от Google Threat Intelligence Group (GTIG) описан новый этап эволюции киберпреступности. Злоумышленники используют метод LLMjacking — кражу учетных данных (API-ключей, паролей) для доступа к корпоративным AI-моделям. Украденные доступы не используются только преступниками: они продаются через так называемые LLM Mixers — нелегальные маркетплейсы, которые агрегируют доступ к множеству жертв, маскируя трафик и распределяя нагрузку.
Ценообразование на черном рынке шокирует своей дешевизной. Пакеты токенов для бизнеса продаются по цене от $0.10 до $25. Для сравнения: по данным Ramp AI Index, медианная компания тратит около $16 на сотрудника в месяц, тогда как топ-1% компаний — более $10,000. Преступники эксплуатируют эту разницу, перепродавая ресурсы за бесценок.
Реальные убытки: от $46,000 до $1 млн
Низкая цена входа для хакеров скрывает катастрофические риски для бизнеса. Поскольку многие корпоративные подписки не имеют жестких лимитов или они слишком велики, злоумышленники могут запускать ресурсоемкие задачи, извлекать данные или отравлять обучающие выборки. Результаты атак фиксируются в виде астрономических счетов.
| Показатель | Значение / Оценка | Источник / Контекст |
|---|---|---|
| Цена токенов на черном рынке | $0.10 – $25 | GTIG анализ объявлений на русскоязычных и китайских площадках |
| Оценочные потери (базовые модели) | ~$46,000 | Оценка Sysdig |
| Потери за 24 часа (передовые модели) | >$100,000 | Инциденты, зафиксированные Mandiant |
| Кумулятивные убытки | До $1,000,000 | До момента обнаружения и отключения доступа |
Как работают LLM Mixers
LLM Mixers функционируют как прокси-инфраструктура. Они маршрутизируют запросы покупателей через пул украденных учетных записей и вычислительных инстансов. Это позволяет:
- Обеспечивать надежный доступ к моделям, даже если отдельные аккаунты заблокированы.
- Распределять объем запросов по множеству жертв, снижая вероятность срабатывания систем обнаружения аномалий.
- Предлагать не только доступ к передовым моделям, но и «взломанные» (jailbroken) версии, пригодные для злонамеренных целей.
Защита: лимиты, ротация и MFA
Google рекомендует комплексный подход к защите AI-инфраструктуры, аналогичный защите облачных сред:
- Лимиты расходов: Установите жесткие ограничения на количество токенов и бюджет для каждого AI-сервиса. Настройте алерты при резких скачках использования.
- Управление секретами: Используйте менеджеры секретов для безопасного хранения API-ключей и регулярно их ротируйте.
- Аудит и MFA: Проводите регулярные проверки на наличие «теневых» аккаунтов и misconfigurations. Обязательно внедряйте многофакторную аутентификацию (MFA) для всех учетных записей, имеющих доступ к AI-моделям.
Тренд на рост LLMjacking, зафиксированный в 2026 году, по прогнозам GTIG, продолжится в 2027 году. Игнорирование базовой кибергигиены в сфере AI теперь может стоить компаниям миллионов долларов.
Источник: ZDNet AI ↗
