Traduit de l’anglais par TechUpscale à l’aide de l’IA et vérifié par rapport à l’original. Lire l’original en anglais
En novembre 2026, le Google Threat Intelligence Group a fait état de multiples incidents au cours desquels des acteurs malveillants ont détourné l’accès des entreprises à des grands modèles de langage, une tactique appelée LLMJacking. Ces intrusions ont généré des frais de cloud frauduleux massifs.
La mécanique du LLMJacking
Mandiant a répondu à de multiples incidents en 2026 au cours desquels des acteurs malveillants ont détourné l’accès des entreprises à des grands modèles de langage, une tactique connue sous le nom de LLMJacking. Ces intrusions ont touché des organisations en Amérique du Nord, en Amérique du Sud et en Asie-Pacifique dans les secteurs des services financiers, de la vente au détail, de la technologie et des transports.
Contrairement à la consommation progressive de ressources associée au cryptojacking, le LLMJacking peut générer de fortes hausses de frais de cloud frauduleux en quelques heures. Les acteurs malveillants contournent les interfaces front-end pour cibler directement les ressources de modèles back-end, en s’efforçant d’identifier les points de terminaison LLM exposés publiquement ou d’obtenir des clés d’interface de programmation d’application LLM valides.
Monétisation et mélangeurs de LLM
Le Google Threat Intelligence Group a identifié une division du travail entre les acteurs malveillants établissant un accès initial aux environnements compromis et les opérateurs gérant l’infrastructure de monétisation en aval connue sous le nom de mélangeurs de LLM (LLM Mixers). Les mélangeurs de LLM fonctionnent comme des passerelles de routage illicites qui font office de proxy, agrègent et revendent l’accès non autorisé aux LLM à des abonnés clandestins.
Dans le cadre de différents incidents, les observateurs ont relevé des frais frauduleux liés à la consommation de ressources dépassant 100 000 USD en une seule journée, les frais cumulés de certaines organisations atteignant 1 million USD avant que l’accès ne soit révoqué. Les acteurs malveillants ont inscrit les comptes des victimes à des accords de paiement à l’utilisation et ont lancé des flux d’inférence à haut volume.
Conseils d’atténuation et de remédiation
Pour empêcher les attaquants d’abuser des services LLM dans le cloud, les défenseurs doivent donner la priorité à la gestion des identités et des accès ainsi qu’à la sécurité de la chaîne d’approvisionnement. Il est conseillé aux organisations d’utiliser des plateformes centralisées de gestion des secrets et d’appliquer des contrôles d’accès à privilèges minimum.
Parmi les recommandations supplémentaires figurent l’automatisation de l’analyse des secrets dans les bases de code, la réalisation d’audits de configuration de routine, la mise en œuvre de la limitation du taux de requêtes et l’application d’une authentification multifacteur résistante au hameçonnage sur l’ensemble des fournisseurs d’identité cloud et des plateformes de développement.
Que faire
- Utiliser une plateforme centralisée de gestion des secrets pour contrôler la gestion et la rotation des clés et des secrets sensibles.
- Veiller à ce que les utilisateurs et les comptes de service ne possèdent que les autorisations nécessaires à leur rôle spécifique et aux tâches requises.
- Automatiser l’analyse des secrets dans les bases de code afin de garantir que les clés API et les secrets ajoutés au code source sont rapidement identifiés et supprimés.
- Effectuer des audits de configuration complets et périodiques des services cloud afin d’identifier les chemins d’attaque potentiels et l’exposition involontaire de points de terminaison.
- Mettre en œuvre un pare-feu applicatif web (WAF) tel que Cloud Armor de Google pour appliquer une limitation du taux de requêtes pour les connexions des clients individuels.
- Appliquer une authentification multifacteur résistante au hameçonnage sur l’ensemble des fournisseurs d’identité cloud, des consoles de gestion et des plateformes de développement.
Faits clés et origine
- Mandiant a répondu à de multiples incidents en 2026 où des acteurs malveillants ont détourné l’accès des entreprises à des grands modèles de langage.
Mandiant responded to multiple incidents in 2026 in which threat actors hijacked enterprise access to Large Language Models (LLMs), a tactic known as "LLMJacking."
- Les frais frauduleux liés à la consommation de ressources ont dépassé 100 000 USD en une seule journée lors des incidents observés.
observed fraudulent charges associated with resource consumption exceeding $100,000 USD in a single day
- Les mélangeurs de LLM fonctionnent comme des passerelles de routage illicites qui font office de proxy, agrègent et revendent l’accès non autorisé aux LLM.
LLM Mixers function as illicit routing gateways that proxy, aggregate, and resell unauthorized LLM access to underground subscribers.
