LLMjacking-Angriffe leeren Unternehmens-Cloud-Budgets innerhalb von Stunden

Google hat eine Warnung vor einer neuen Welle von Cyberangriffen ausgesprochen, die als LLMjacking bezeichnet werden. Dabei entführen Akteure der Bedrohungslandschaft den Zugang von Unternehmen zu Large Language Models (Großen Sprachmodellen). Wie am 3. November 2026 berichtet wurde, haben diese Vorfälle bereits dazu geführt, dass einige Organisationen bis zu 1 Million US-Dollar an betrügerischen Cloud-Computing-Gebühren zahlten, bevor die Angriffe erkannt wurden.

Was passiert ist

Akteure der Bedrohungslandschaft stehlen oder legen API-Schlüssel und Identitätstokens offen, um unbefugten Zugriff auf unternehmensweite LLM-Konten zu erlangen. Im Gegensatz zum traditionellen Cryptojacking, das Ressourcen allmählich verbraucht, erzeugt LLMjacking massive finanzielle Kostenanstiege innerhalb weniger Stunden. Die Google Threat Intelligence Group und Mandiant beobachteten einzelne Vorfälle, bei denen die betrügerischen Gebühren an einem einzigen Tag 100.000 USD überschritten. Die Angriffe betrafen Entitäten in Nordamerika, Südamerika und der Region Asien-Pazifik und erstreckten sich über Sektoren wie Finanzdienstleistungen, Einzelhandel, Technologie und Transportwesen.

Die Angriffsvektoren variieren von niedrigstufiger Manipulation von Kundenservice-Chatbots bis hin zur direkten Ausnutzung des Backends. Angreifer beginnen oft damit, Cloud-Identitätstokens zu beschaffen, einschließlich IAM-Zugangsdaten, Service Account Keys oder GitHub Personal Access Tokens. Ein spezifischer Bedrohungsakteur, UNC6993, drang unter Verwendung eines falsch konfigurierten Service Account Key in eine Cloud-Instanz ein. Anschließend nutzten sie diesen Einstiegspunkt, um auf LLM-APIs zuzugreifen, und erstellten zusätzliche Schlüssel, um ihre Operationen zu skalieren, was zu erheblichen Rechnungsgebühren führte. In einer anderen Variante täuschen Angreifer Benutzer, indem sie sie dazu bringen, rohe JSON-Nutzlasten mit aktiven Zugriffstokens in gefälschte Portale einzufügen, wodurch Passwort- und Multi-Faktor-Authentifizierungskontrollen effektiv umgangen werden.

Neben einfachem Diebstahl ist ein neues Ökosystem von „LLM Mixers“ entstanden. Diese Akteure fungieren als illegale Routing-Gateways, die unbefugten LLM-Zugriff für andere Kriminelle proxyen und weiterverkaufen. Dienste wie Jet Night bieten unbegrenzte Token-Pläne für Frontier-Modelle zu einem Bruchteil des Marktpreises an, während die Opferorganisation die Rechnung bezahlt. Ein weiterer Graumarkt-Dienst installiert echte CLI-Tools für OpenAI Codex oder Anthropic Claude Code, konfiguriert sie jedoch so neu, dass Anfragen über Infrastruktur Dritter geleitet werden, wobei primär Regionen ins Visier genommen werden, in denen diese Anbieter nicht offiziell tätig sind.

Funktionsweise

LLMjacking basiert auf dem Kompromittieren von Zugangsdaten und nicht allein auf Software-Schwachstellen. Sobald ein Angreifer durch ein gestohlenes Token oder einen offengelegten Schlüssel initialen Zugriff erhält, führt er interne Reconnaissance durch, um verfügbare Dienste und Identitätsrichtlinien abzubilden. Sie klonen Codebasen, um nach hartcodierten Secrets zu suchen, und scannen Zugriffsprotokolle, um Credentials für sekundäre Umgebungen zu finden. Diese laterale Bewegung ermöglicht es ihnen, Privilegien zu eskalieren und persistenten Zugriff aufrechtzuerhalten, oft indem sie Backdoor-Service-Accounts erstellen, die als legitime Billing-Utilities getarnt sind.

Im Fall der Graumarkt-Relay-Dienste umfasst der Mechanismus die Umnutzung offizieller Entwicklerwerkzeuge. Nachdem ein Benutzer ein legitimes CLI-Tool installiert hat, überschreibt ein Skript die Konfigurationsdateien, wie ~/.codex/config.toml oder ~/.claude/settings.json. Dieses Skript deaktiviert Sicherheits-Sandboxes, ersetzt echte API-Credentials durch Relay-ausgestellte Tokens und schaltet Telemetrie aus. Der Datenverkehr wird dann über die Server des Angreifers geleitet, was es ihnen ermöglicht, das Kontingent des Unternehmens zu monetarisieren, während Endbenutzern in eingeschränkten Regionen rabattierter Zugang gewährt wird.

Wichtige Details

• LLMjacking kann betrügerische Cloud-Gebühren erzeugen, die an einem einzigen Tag 100.000 USD überschreiten.
• Kumulierte Verluste für einige Organisationen erreichten 1 Million USD, bevor der Zugriff widerrufen wurde.
• Häufige Einstiegspunkte umfassen gestohlene IAM-Credentials, Service Account Keys und GitHub Personal Access Tokens.
• Der Bedrohungsakteur UNC6993 nutzt Session-Hijacking-Seiten, um aktive Zugriffstokens von Benutzern zu stehlen.
• LLM Mixers wie Jet Night verkaufen gestohlenen Zugang über Untergrund-Shops für etwa 60 USD pro Monat weiter.
• Graumarkt-Dienste konfigurieren echte CLI-Tools neu, um den Datenverkehr über Server Dritter zu leiten, und deaktivieren Sandboxes.

Warum es wichtig ist

Für Software-Ingenieure und technische Leads stellt LLMjacking einen Wandel vom graduellen Ressourcen-Diebstahl zu sofortigem, hochmargigen finanziellen Schaden dar. Die Geschwindigkeit, mit der diese Angriffe Budgets verbrauchen, bedeutet, dass traditionelle monatliche Rechnungsprüfungen zur Erkennung nicht ausreichen. Teams müssen LLM-API-Schlüssel nun mit derselben Schwere behandeln wie Root-Datenbank-Passwörter, da jeder Leak innerhalb von Stunden zu katastrophaler finanzieller Exposition führen kann.

Das Aufkommen von LLM Mixers verkompliziert auch die Sicherheitslandschaft, indem es eine Arbeitsteilung zwischen Brokern für initialen Zugriff und Monetarisierungs-Infrastruktur schafft. Diese Reife deutet darauf hin, dass Angriffe automatisierter und gezielter werden. Ingenieure, die agentische Workflows bauen oder höherwertige Modelle in Produktion integrieren, müssen davon ausgehen, dass ihre Endpunkte Ziele mit hohem Wert sind. Sicherheitspraktiken müssen sich weiterentwickeln, um eine strenge Überwachung der Token-Nutzungsmuster und sofortige Widerrufsfähigkeiten einzuschließen.

Was Sie tun können

• Prüfen Sie alle Cloud-Identitätstokens und rotieren Sie Service Account Keys regelmäßig, insbesondere solche mit breiten Berechtigungen.
• Scannen Sie öffentliche Code-Repositories und interne Codebasen auf hartcodierte API-Schlüssel und Secrets.
• Implementieren Sie strenge Rate Limits und Budget-Warnungen für die LLM-API-Nutzung, um plötzliche Anstiege im Verbrauch zu erkennen.
• Deaktivieren Sie ungenutzte IAM-Berechtigungen und setzen Sie Least-Privilege-Zugriff für alle Service Accounts durch, die mit LLMs interagieren.
• Überwachen Sie ungewöhnliche Konfigurationsänderungen in Entwickler-CLI-Tools, insbesondere bei Sandbox- und Netzwerkeinstellungen.
• Schulen Sie Entwickler über die Risiken der Nutzung unauthorized Resellers oder modifizierter CLI-Konfigurationen für KI-Tools.