Traduzido do inglês pela TechUpscale com ajuda de IA e verificado com o original. Ler o original em inglês
Em novembro de 2026, o Google Threat Intelligence Group relatou vários incidentes em que agentes de ameaças sequestraram o acesso empresarial a Grandes Modelos de Linguagem (Large Language Models) numa tática chamada LLMJacking. Estas intrusões geraram cobranças fraudulentas massivas na nuvem.
A mecânica do LLMJacking
A Mandiant respondeu a múltiplos incidentes em 2026 nos quais agentes de ameaças sequestraram o acesso empresarial a Grandes Modelos de Linguagem, uma tática conhecida como LLMJacking. Estas intrusões afetaram organizações na América do Norte, América do Sul e Ásia-Pacífico nos setores de serviços financeiros, retalho, tecnologia e transportes.
Ao contrário do consumo gradual de recursos associado ao cryptojacking, o LLMJacking pode gerar grandes picos de cobranças fraudulentas na nuvem em poucas horas. Os agentes de ameaças contornam as interfaces de front-end para atacar diretamente os recursos do modelo de back-end, concentrando-se em identificar endpoints de LLM expostos publicamente ou em obter chaves de interface de programação de aplicações (API) de LLM válidas.
Rentabilização e Misturadores de LLM (LLM Mixers)
O Google Threat Intelligence Group identificou uma divisão de trabalho entre os agentes de ameaças que estabelecem o acesso inicial a ambientes comprometidos e os operadores que gerem a infraestrutura de rentabilização a jusante conhecida como LLM Mixers. Os LLM Mixers funcionam como gateways de encaminhamento ilícitos que fazem proxy, agregam e revendem acesso não autorizado a LLM a subscritores clandestinos.
Em incidentes individuais, os observadores notaram cobranças fraudulentas associadas ao consumo de recursos superiores a 100.000 USD num único dia, com cobranças acumuladas em algumas organizações a atingir 1 milhão USD antes de o acesso ser revogado. Os agentes de ameaças subscreveram as contas das vítimas a acordos Pay-As-You-Go e lançaram fluxos de inferência de alto volume.
Mitigação e orientações de remediação
Para evitar que os atacantes abusem dos serviços de LLM na nuvem, os defensores devem dar prioridade à Gestão de Identidade e Acessos (IAM) e à segurança da cadeia de fornecimento. Recomenda-se que as organizações utilizem plataformas centralizadas de gestão de segredos e apliquem controlos de acesso com privilégios mínimos.
Recomendações adicionais incluem a automatização da análise de segredos em bases de código, a realização de auditorias de configuração de rotina, a implementação de limitação de taxa (rate limiting) e a imposição de autenticação multifator resistente a phishing em todos os fornecedores de identidade em nuvem e plataformas de programadores.
O que fazer
- Utilizar uma plataforma centralizada de gestão de segredos para controlar a gestão e a rotação de chaves e segredos sensíveis.
- Garantir que os utilizadores e as contas de serviço possuem apenas as permissões necessárias para a sua função específica e tarefas exigidas.
- Automatizar a pesquisa de segredos em bases de código para garantir que chaves de API e segredos adicionados ao código-fonte sejam identificados e removidos prontamente.
- Realizar auditorias de configuração abrangentes e periódicas dos serviços em nuvem para identificar potenciais caminhos de ataque e a exposição não intencional de endpoints.
- Implementar uma WAF como o Cloud Armor da Google para aplicar a limitação de taxa a ligações de clientes individuais.
- Impor autenticação multifator resistente a phishing em todos os fornecedores de identidade em nuvem, consolas de gestão e plataformas de programadores.
Factos principais e respetivas origens
- A Mandiant respondeu a múltiplos incidentes em 2026 em que agentes de ameaças sequestraram o acesso empresarial a Grandes Modelos de Linguagem.
Mandiant respondeu a múltiplos incidentes em 2026 nos quais agentes de ameaças sequestraram o acesso empresarial a Grandes Modelos de Linguagem (LLMs), uma tática conhecida como "LLMJacking."
- As cobranças fraudulentas associadas ao consumo de recursos excederam 100.000 USD num único dia nos incidentes observados.
observed fraudulent charges associated with resource consumption exceeding $100,000 USD in a single day
- Os LLM Mixers funcionam como gateways de encaminhamento ilícitos que fazem proxy, agregam e revendem acesso não autorizado a LLM.
LLM Mixers function as illicit routing gateways that proxy, aggregate, and resell unauthorized LLM access to underground subscribers.
