Help Net Securityのレポートによると、攻撃者はLLMjackingを目的としたAIエージェントを構築した。このエージェントは露出したAIモデルを乗っ取り、認証情報の窃取や暗号通貨のマイニングに悪用する。そのコストは被害者が負担することになる。セルフホスト型モデルを運用している人や、有料のAI APIキーを保有している人にとって、LLMjackingが露呈させたAIモデルは、今や理解しておく価値のある現実的なリスクとなっている。 ## LLMjackingとは何か、そしてエージェントはどう動くのか LLMjackingとは、他者が所有または料金を支払っている大規模言語モデル（LLM）を乗っ取ることを指す。コンピューティングやAPIアクセスを購入する代わりに、攻撃者は到達可能なモデルや漏洩したキーを見つけ出し、無料で利用する。請求書を支払うのは被害者である。 今回新しいのは自動化だ。報道では、この目的のために構築されたAIエージェントが描かれている。人間が手作業で設定ミスのあるサービスを探し回るのではなく、ソフトウェアが見つけて乗っ取る。報告されている目的は認証情報の窃取と暗号通貨のマイニングであり、どちらも乗っ取ったモデルを攻撃者にとって直接的な利益に変える。 情報源はこのツールについて高レベルでしか説明しておらず、我々はそれを超えて推測するつもりはない。それでも広範な要点は変わらない。発見と悪用が自動化されると、露出したサービスは見つけてもらうために興味深い必要はない。到達可能であるだけで十分なのだ。 ## 露出したAIキーとサービスが乗っ取られる仕組み 示唆されているパターンは単純だ。エージェントが露出したAIモデルやAPIエンドポイントをスキャンし、見つけたものの制御を奪う。最も重要な露出は2種類ある。 - **露出したエンドポイント。** インターネットから到達可能なセルフホスト型モデルやAIインターフェースで、多くの場合、便利な設定、転送されたポート、またはログインの欠如が原因である。 - **露出した認証情報。** 本来あるべきでない場所に置かれたAPIキー。たとえばコードリポジトリ、共有設定ファイル、誰も覚えていない古いプロジェクトなどである。 攻撃者がどちらかを手に入れれば、モデルは攻撃者のために働く。コンピューティングはあなたのハードウェアまたはアカウント上で実行され、使用量はあなたの請求書に現れるか、あなたのマシンを遅くする。 認証情報窃取の側面は、第二の懸念を追加する。乗っ取られたAIサービスは単なる無料リソースではない。それはさらなる認証情報を収集する手段にもなり得る。だからこそ、1つの忘れられたキーがより広い問題に発展し得るのだ。 ## これがあなたにとって何を意味するか AIを消費者向けチャットアプリを通じてのみ使用しているなら、直接的な露出は限定的だ。以下のことを多く行うほど、リスクは高まる。 - **自宅でモデルを運用している。** ローカルLLM、Webフロントエンド、または自動化ツールをホストするホームサーバー愛好家は、最も明白な標的である。転送されたポート上の認証なしのAIサービスは、自動スキャナが探すように作られている類のものである。 - **APIキーを保有している。** AIサービスをスクリプト、ブラウザ拡張機能、またはサイドプロジェクトに接続する開発者や趣味人は、キーが複数の場所に散在している可能性がある。 - **認証情報を再利用している。** 乗っ取られたシステムが他の場所で使用しているパスワードを露出させた場合、被害はAIサービスを超えて広がる。再利用は単一の侵害を多数の侵害に変える。 金銭面も見落とされやすい。暗号通貨のマイニングとモデルの多用は静かにリソースを消費する。請求額が急増したり、ハードウェアが熱くなったり、プロバイダーが異常な活動をフラグ立てしたりして初めて気づくかもしれない。 これはより広いトレンドに合致する。攻撃者はAIを標的にするだけでなく、攻撃的に利用するケースが増えている。[ロシアのハッカーが検出済みマルウェアを再構築するためにClaude AIを使用した方法](/en/russian-hackers-used-claude-ai-to-rebuild-detected-malware)に関する我々の報道は、攻撃者側におけるAI支援ツールへの同じシフトを示している。 ## APIキー、ネットワーク露出、ホームサーバー設定をロックダウンする方法 これらのステップはいずれも異例ではない。ほとんどは、より新しい種類のサービスに適用される基本的な衛生管理である。 **APIキーをパスワードのように扱う。** 1. 料金を支払っている、またはプロジェクトに接続しているすべてのAIサービスをリストアップする。 2. もはや認識できない、または最近使用していないキーをローテーションし、不要なものは削除する。 3. キーをコードリポジトリや共有ドキュメントに置かない。代わりに環境変数やパスワードマネージャーを使用する。 4. プロバイダーが許可する場合、支出制限と使用量アラートを設定し、乗っ取られたキーがすぐに気づかれるようにする。 5. プロジェクトごとに別のキーを使用し、1つの漏洩がすべてを露出しないようにする。 **ネットワーク露出を減らす。** 1. ルーターのポート転送ルールを確認し、作成した覚えのないものを削除する。 2. セルフホスト型AIインターフェースをインターネットに直接露出しない。リモートアクセスが必要な場合は、VPNまたは自分が管理する認証済みトンネルの背後に置く。 3. 実行しているすべてのAI WebインターフェースまたはAPIで認証を有効にする。たとえ自宅ネットワーク上にしか存在しなくても。 4. モデルソフトウェアとその依存関係を最新の状態に保つ。 **警告サインに注意する。** 1. AIアカウントでの予期しない請求や使用量の急増。 2. 何も実行していないときの持続的な高いCPUまたはGPU負荷。 3. 認識できないアドレスからのリクエストを示すログ。 **認証情報の再利用を修正する。** サービスごとに一意のパスワードを使用し、可能な場合は多要素認証を有効にする。乗っ取られたサービスがパスワードを露出したとしても、一意の認証情報が影響を封じ込める。 ## 要点 レポートは短いが、教訓は明確だ。LLMjackingが露呈させたAIモデルは自動化された拡張可能な活動になりつつあり、その代償を払うのは露出したキーとサーバーの所有者である。AIツールの使用をやめる必要はない。自分のキーがどこにあり、ネットワークが何を露出しているかを知る必要がある。 今日、数分かけてAI APIキーを監査し、実行しているセルフホスト型AIサービスを確認し、ルーターのポート転送ルールを見直そう。攻撃者がAIをどのように活用しているかについてより多くの文脈を知りたい場合は、[AI支援によるマルウェア開発](/en/russian-hackers-used-claude-ai-to-rebuild-detected-malware)に関する記事をお読みください。