LLMjacking-Raubzüge treiben Cloud-Rechnungen auf 1 Million US-Dollar
LLMjacking verwandelt gestohlene Unternehmenszugänge zu large language models (LLMs), KI-Systemen, die Text, Code und andere Inhalte erzeugen, in Cloud-Rechnungen von bis zu 1 Million US-Dollar. Die Google Threat Intelligence Group und Mandiant erklärten, dass Angreifer an einem einzigen Tag betrügerische Ressourcenkosten von mehr als 100.000 US-Dollar verursacht hätten, während die Gesamtkosten bei einigen Organisationen 1 Million US-Dollar erreichten, bevor der Zugang gesperrt wurde.
Die Technik ist eine Form des Resource Hijacking, bei der jemand anderes Rechenkapazität verbraucht, während der Kontoinhaber dafür bezahlt. Angreifer erlangen einen application programming interface (API) key, also einen geheimen Zugangsnachweis, mit dem Software einen Onlinedienst nutzen kann, durch Phishing, offengelegten Source Code, falsch konfigurierte Umgebungen oder Zugangsdaten, die in Software auf den Geräten von Nutzern offengelegt wurden. Anschließend nutzen sie das LLM-Konto des Opfers und dessen Zugang zu kostspieliger KI-Verarbeitung. Betroffene Organisationen wurden in Nordamerika, Südamerika und im asiatisch-pazifischen Raum in den Branchen Finanzdienstleistungen, Einzelhandel, Technologie und Transport identifiziert.
Google und Mandiant unterscheiden LLMjacking von Missbrauch auf niedrigerer Ebene, etwa der Manipulation eines Kundendienst-Chatbots, damit dieser Code erzeugt. LLMjacking greift direkt auf die zugrunde liegenden Modellressourcen zu, häufig über öffentlich zugängliche LLM endpoints, also Netzwerkadressen, über die Software Modellausgaben anfordert, oder über gültige API keys. Anders als beim Cryptojacking, bei dem Angreifer heimlich ein fremdes System zum Mining von Kryptowährungen verwenden und Ressourcen möglicherweise schrittweise verbrauchen, kann LLMjacking innerhalb weniger Stunden zu einem sprunghaften Anstieg der Kosten führen.
Der am häufigsten beobachtete Zugangsweg waren offengelegte oder gestohlene Cloud-Identitätsdaten. Zu den Beispielen gehörten Identity and Access Management (IAM)-Zugangsdaten, die steuern, worauf Cloud-Nutzer und -Systeme zugreifen dürfen, von Software statt von Personen verwendete Service Account keys, GitHub Personal Access Tokens (PATs) sowie aktive Session Tokens, die belegen, dass ein Nutzer bereits angemeldet ist. Der als UNC6993 verfolgte Threat Actor drang über einen falsch konfigurierten Service Account key in eine Cloud-Instanz ein und nutzte diesen, um auf eine LLM API zuzugreifen. Er betrieb außerdem eine Session-Hijacking-Seite, die als Portal für den Beitritt zu einer Gruppe von LLM-Nutzern getarnt war. Die Opfer wurden auf die legitime LLM-Website geleitet und dazu gebracht, eine rohe JSON payload, einen strukturierten Datenblock mit einem aktiven Access Token, in das gefälschte Portal einzufügen. Der Token wurde anschließend an eine Backend API übermittelt, wodurch Passwort und multi-factor authentication (MFA), die normalerweise eine zusätzliche Anmeldeprüfung erfordert, umgangen wurden.
Bei einem weiteren Vorfall nutzte ein nicht identifizierter Angreifer einen gestohlenen PAT, um in private Code-Repositories einzudringen. Anschließend nutzte er eine vermutete Webanwendungs-Schwachstelle in einem Softwarepaket aus, das innerhalb einer containerisierten Cloud-Umgebung lief, in der Anwendungen in isolierten Softwareeinheiten ausgeführt werden. Weitere Wege umfassten die Kompromittierung der IAM-Zugangsdaten von Beschäftigten und die programmgesteuerte Erstellung neuer Access Keys zur Umgehung von MFA, den Missbrauch eines Cloud Service Account key mit weitreichenden Projektberechtigungen sowie das Sammeln von LLM API keys, die in öffentlichen GitHub-Repositories veröffentlicht worden waren.
Nach dem Eindringen weiteten die Angreifer ihre Berechtigungen aus, richteten dauerhaften Zugang ein und durchsuchten interne Systeme nach weiteren Zugangsdaten. Google beobachtete, wie sie Cloud-Dienste, Code-Repositories und Datenspeicher auflisteten, Dienste und Identitätsrichtlinien über verschiedene Cloud-Regionen hinweg kartierten, sensiblen Code klonten, um eingebettete Secrets, Konfigurationswerte und Entwickler-Zugangsdaten zu finden, Access Logs auf sekundäre Cloud-Konten prüften und Datenbanken nach weiteren Passwörtern abfragten. Sie missbrauchten außerdem Cloud-Berechtigungen und Einstellungen virtueller Maschinen, erzeugten temporäre Zugangsdaten für hoch privilegierte Service Accounts und extrahierten Infrastruktur-Zugangsdaten, Datenbankpasswörter und API keys von Drittanbietern aus Cloud Secret Managern.
Zu den Methoden für dauerhaften Zugang gehörten die Erstellung nicht autorisierter IAM- und Service Accounts, das Hinzufügen von Secure Shell (SSH)-Zugangsdaten zu Recheninstanzen sowie die Tarnung von Backdoor Service Accounts als interne Tools zur Abrechnungsoptimierung. Die Angreifer nutzten außerdem Schwachstellen in LLM-Routing-Software aus, darunter CVE-2026-40217 in LiteLLM, um ihre Berechtigungen auszuweiten. Ihr letztendliches Ziel bestand darin, den Zugang zu Foundation Models, den zugrunde liegenden KI-Modellen, auf denen Dienste aufbauen, durch Token Proxying, automatisiertes Model Streaming und die Bereitstellung von Graphics Processing Unit (GPU)-Hardware zu monetarisieren. Kompromittierte Umgebungen wurden zudem zum Hosting von Proxy Endpoints und agentic workloads verwendet, bei denen KI-Software mit begrenzter menschlicher Mitwirkung Abfolgen von Aufgaben ausführt.
UNC6993 erstellte zusätzliche API keys innerhalb der Cloud-Projekte seiner Opfer, um seine Aktivitäten auszuweiten, und verursachte dadurch Kosten von mehr als 100.000 US-Dollar. Einige Angreifer nutzten eine „burn and rotate“-Methode, um Rate Limits zu umgehen, indem sie wiederholt kurzlebige Service Accounts erstellten und löschten. Laut Google hat sich rund um LLM Mixers, illegale Gateways, die nicht autorisierten Modellzugang bündeln, weiterleiten und weiterverkaufen, ein stärker spezialisierter krimineller Markt entwickelt. Ein Dienst namens Jet Night unter „jet-night[.]com“ warb mit unbegrenzten Tokens und angeblichem Zugang zu einem Frontier Model für etwa 60 US-Dollar pro Monat. Dadurch konnten Käufer die Kontingente von Unternehmen verbrauchen, während die Opfer die Rechnungen erhielten.
Symantec und Carbon Black, die beide Broadcom gehören, beschrieben unabhängig davon einen seit mindestens Anfang 2026 aktiven Grey-Market Relay Service. Betroffen waren vor allem rund ein Dutzend Organisationen auf dem chinesischen Festland sowie Tochtergesellschaften multinationaler Unternehmen in Südkorea, Taiwan und Malaysia. Zu den Branchen gehörten Industrieautomation, Elektronikfertigung, Halbleiter, Pharmazie, Schifffahrt, Reifenherstellung, Petrochemie und Rechenzentrumsdienste. Der Dienst trat hauptsächlich in Märkten auf, in denen Anthropic und OpenAI nicht tätig sind. Die Installation wurde von Beschäftigten angestoßen, die über einen nicht autorisierten Wiederverkäufer Zugang zu westlichen KI-Coding-Assistenten suchten.
Statt ein modifiziertes oder mit einem Trojaner versehenes Programm bereitzustellen, installierte der Dienst die echten command-line interfaces (CLIs) OpenAI Codex und Anthropic Claude Code, also Tools, die durch eingegebene Befehle bedient werden. Kurz nach der Installation über npm wurden die Nutzer wahrscheinlich angewiesen, einen einzelnen Befehl auszuführen, der ein dateiloses PowerShell- oder bash-Setup-Script von der ähnlich aussehenden Domain „vibe.aiok[.]me“ herunterlud. Das Script änderte „~/.codex/config.toml“ für Codex oder „~/.claude/settings.json“ für Claude Code, deaktivierte die sandbox für die Ausführung, setzte Codex auf „danger-full-access“, erlaubte Netzwerkzugriff aus der Write sandbox, ersetzte die echten API-Zugangsdaten der Nutzer durch vom Relay ausgegebene Zugangsdaten und deaktivierte Telemetrie sowie Fehlerberichte. Außerdem überprüfte es die Windows-Locale, um vor Abschluss des Setups zu bestätigen, dass sich der Computer in der versorgten Region befand.
Symantec vermutet, dass die Betreiber regionale Beschränkungen umgingen und Kapazitäten unterhalb der marktüblichen Preise weiterverkauften, nach einem Modell, das Jet Night ähnelte. Es gab keine Hinweise darauf, dass das Relay die Prompts der Beschäftigten sammelte oder Modellantworten erfand oder veränderte. Das Weiterleiten geschäftlicher Anfragen über nicht genehmigte Infrastruktur und die Deaktivierung von Schutzmaßnahmen schaffen jedoch eindeutige Sicherheitsrisiken.