据Help Net Security报道，攻击者构建了一个专为LLMjacking设计的AI代理。该代理接管暴露的AI模型，并利用它们窃取凭据和挖掘加密货币。费用由受害者承担。对于任何运行自托管模型或持有付费AI API密钥的人来说，LLMjacking暴露AI模型如今是一种值得了解的实际风险。
什么是LLMjacking以及该代理如何运作
LLMjacking是指劫持他人拥有或付费的大型语言模型（LLM）。攻击者不购买算力或API访问权限，而是找到一个可访问的模型或已泄露的密钥，免费使用。受害者为此买单。
此次的新变化在于自动化。报道描述了一个为此目的构建的AI代理。不再是人工手动寻找配置不当的服务，而是由软件完成发现和接管。据报道，其目标是窃取凭据和挖掘加密货币，这两者都能将劫持的模型转化为攻击者的直接利润。
消息来源仅对该工具进行了高层描述，我们不会做超出此范围的推测。但更宏观的结论仍然成立：当发现和利用实现自动化时，一个暴露的服务不需要有多引人注目就会被找到。它只需要可访问即可。
暴露的AI密钥和服务如何被劫持
所描述的模式很直接。代理扫描暴露的AI模型和API端点，然后控制其所发现的目标。两类暴露最为关键：
- 暴露的端点。 可从互联网访问的自托管模型或AI接口，通常是由于便利设置、端口转发或缺少登录验证。
- 暴露的凭据。 API密钥存放在不该存放的地方，例如代码仓库、共享配置文件或无人记得的旧项目中。
一旦攻击者获得了其中任一，模型就为他们所用。算力运行在你的硬件或账户上，使用量会出现在你的账单上或拖慢你的机器。
凭据窃取的角度增加了第二层担忧。被劫持的AI服务不仅是一个免费资源，它还可能成为收集更多凭据的途径，这就是为什么一个被遗忘的密钥可能演变成更大的问题。
这对你意味着什么
如果你仅通过消费者聊天应用使用AI，你的直接暴露风险有限。随着你越来越多地做以下事情，风险会增加：
- 你在家中运行模型。 托管本地LLM、Web前端或自动化工具的家庭服务器爱好者是最明显的目标。转发端口上未经身份验证的AI服务正是自动化扫描器擅长发现的目标。
- 你持有API密钥。 将AI服务连接到脚本、浏览器扩展或副项目的开发者和爱好者，可能有多处散落的密钥。
- 你重复使用凭据。 如果被劫持的系统暴露了你在其他地方使用的密码，损害会蔓延到AI服务之外。重复使用将单次泄露变成多次。
财务方面也很容易被忽视。加密货币挖矿和高强度模型使用会悄无声息地消耗资源。你可能只有在账单飙升、硬件过热或服务提供商标记异常活动时才会注意到。
这符合更广泛的趋势。攻击者越来越多地将AI用于攻击目的，而不仅仅是攻击AI本身。我们关于俄罗斯黑客利用Claude AI重建已被检测的恶意软件的报道展示了攻击方同样向AI辅助工具转变的趋势。
如何锁定API密钥、网络暴露和家庭服务器设置
这些步骤都不复杂。大多数是将基本卫生习惯应用于一种新型服务。
将API密钥视为密码。
- 列出你付费或已连接到项目的每一个AI服务。
- 轮换你不再认识或近期未使用的密钥，删除不需要的密钥。
- 将密钥远离代码仓库和共享文档。改用环境变量或密码管理器。
- 在服务提供商允许的情况下，设置支出限额和使用警报，以便被劫持的密钥能被迅速发现。
- 为每个项目使用单独的密钥，以便一次泄露不会暴露所有内容。
减少网络暴露。
- 检查路由器上的端口转发规则，删除任何你不记得创建过的规则。
- 不要将自托管AI接口直接暴露到互联网。如果你需要远程访问，请将其置于VPN或你控制的其他经过身份验证的隧道之后。
- 为你运行的每个AI Web界面或API开启身份验证，即使它只存在于你的家庭网络中。
- 保持模型软件及其依赖项的更新。
留意警示信号。
- AI账户上的意外费用或使用量激增。
- 未运行任何任务时持续的高CPU或GPU负载。
- 日志显示来自你不认识的地址的请求。
修复凭据重复使用问题。 为每个服务使用唯一密码，并在可用的情况下开启多因素身份验证。如果被劫持的服务暴露了密码，唯一凭据可以将影响控制在有限范围内。
要点总结
报道虽短，但教训明确。LLMjacking暴露AI模型正在成为一种自动化、可扩展的活动，而为此买单的正是暴露密钥和服务器的所有者。你不需要停止使用AI工具。你确实需要了解你的密钥在哪里以及你的网络暴露了什么。
今天，花几分钟审计你的AI API密钥，检查你运行的任何自托管AI服务，并审查路由器的端口转发规则。如果你想了解更多关于攻击者如何利用AI的背景信息，请阅读我们关于AI辅助恶意软件开发的文章。
