Los ataques LLMjacking agotan los presupuestos de nube empresarial en horas

Google ha emitido una advertencia sobre una nueva oleada de ciberataques denominados LLMjacking, en la que actores de amenazas secuestran el acceso empresarial a Modelos de Lenguaje Grande (LLM). Reportados el 3 de noviembre de 2026, estos incidentes ya han costado a algunas organizaciones hasta 1 millón de dólares en cargos fraudulentos de computación en la nube antes de su detección.

Qué ocurrió

Los actores de amenazas están robando o exponiendo claves API y tokens de identidad para obtener acceso no autorizado a cuentas corporativas de LLM. A diferencia del cryptojacking tradicional, que consume recursos gradualmente, el LLMjacking genera enormes picos financieros en cuestión de horas. El Grupo de Inteligencia de Amenazas de Google y Mandiant observaron incidentes individuales donde los cargos fraudulentos superaron los 100.000 USD en un solo día. Los ataques han afectado a entidades en Norteamérica, Sudamérica y la región de Asia-Pacífico, abarcando sectores como servicios financieros, comercio minorista, tecnología y transporte.

Los vectores de ataque varían desde la manipulación de bajo nivel de chatbots de atención al cliente hasta la explotación directa del backend. Los atacantes suelen comenzar obteniendo tokens de identidad en la nube, incluidas credenciales IAM, claves de Cuentas de Servicio o Personal Access Tokens de GitHub. Un actor de amenazas específico, UNC6993, comprometió una instancia en la nube utilizando una clave de Cuenta de Servicio mal configurada. Luego usaron este punto de apoyo para acceder a las APIs de LLM y crearon claves adicionales para escalar sus operaciones, acumulando importantes cargos de facturación. En otra variante, los atacantes engañan a los usuarios para que peguen cargas útiles JSON sin procesar que contienen tokens de acceso activos en portales falsos, eludiendo eficazmente los controles de contraseña y autenticación multifactor.

Más allá del simple robo, ha surgido un nuevo ecosistema de "LLM Mixers". Estos actores funcionan como pasarelas de enrutamiento ilícitas, actuando como proxy y revendiendo acceso no autorizado a LLM a otros criminales. Servicios como Jet Night ofrecen planes de tokens ilimitados para modelos de vanguardia a una fracción del precio de mercado, mientras que la organización víctima paga la factura. Otro servicio de mercado gris instala herramientas CLI genuinas para OpenAI Codex o Anthropic Claude Code, pero las reconfigura para enrutar las solicitudes a través de infraestructuras de terceros, apuntando principalmente a regiones donde estos proveedores no operan oficialmente.

Cómo funciona

El LLMjacking depende de la compromisión de credenciales, no solo de vulnerabilidades de software. Una vez que un atacante obtiene acceso inicial mediante un token robado o una clave expuesta, realiza reconocimiento interno para mapear los servicios disponibles y las políticas de identidad. Clonan bases de código para buscar secretos codificados rígidamente (hard-coded) y escanean registros de acceso para encontrar credenciales de entornos secundarios. Este movimiento lateral les permite escalar privilegios y mantener acceso persistente, a menudo creando cuentas de servicio puerta trasera disfrazadas de utilidades de facturación legítimas.

En el caso de los servicios de relevo de mercado gris, el mecanismo implica reutilizar herramientas oficiales de desarrollo. Después de que un usuario instala una herramienta CLI legítima, un script sobrescribe los archivos de configuración, como ~/.codex/config.toml o ~/.claude/settings.json. Este script desactiva las cajas de seguridad (sandboxes), reemplaza las credenciales API reales con tokens emitidos por el relevo y apaga la telemetría. El tráfico se enruta entonces a través de los servidores del atacante, permitiéndoles monetizar la cuota de la empresa mientras proporcionan acceso con descuento a usuarios finales en regiones restringidas.

Detalles clave

• El LLMjacking puede generar cargos fraudulentos en la nube que superan los 100.000 USD en un solo día.
• Las pérdidas acumuladas para algunas organizaciones han alcanzado 1 millón de USD antes de que se revocara el acceso.
• Los puntos de entrada comunes incluyen credenciales IAM robadas, claves de Cuentas de Servicio y Personal Access Tokens de GitHub.
• El actor de amenazas UNC6993 utiliza páginas de secuestro de sesión para robar tokens de acceso activos de los usuarios.
• Los LLM Mixers como Jet Night revenden acceso robado a través de tiendas clandestinas por aproximadamente 60 dólares al mes.
• Los servicios de mercado gris reconfiguran herramientas CLI genuinas para enrutar el tráfico a través de servidores de terceros, desactivando las sandboxes.

Por qué importa

Para ingenieros de software y líderes técnicos, el LLMjacking representa un cambio del robo gradual de recursos hacia un daño financiero inmediato y de alto margen. La velocidad con la que estos ataques consumen presupuestos significa que las revisiones mensuales tradicionales de facturación son insuficientes para la detección. Los equipos deben ahora tratar las claves API de LLM con la misma severidad que las contraseñas root de base de datos, ya que cualquier filtración puede llevar a una exposición financiera catastrófica en horas.

La aparición de LLM Mixers también complica el panorama de seguridad al crear una división del trabajo entre los intermediarios de acceso inicial y la infraestructura de monetización. Esta madurez sugiere que los ataques se volverán más automatizados y dirigidos. Los ingenieros que construyen flujos de trabajo agénticos o integran modelos de mayor categoría en producción deben asumir que sus endpoints son objetivos de alto valor. Las prácticas de seguridad deben evolucionar para incluir un monitoreo estricto de los patrones de uso de tokens y capacidades de revocación inmediata.

Qué puedes hacer

• Audita todos los tokens de identidad en la nube y rota las claves de Cuentas de Servicio regularmente, especialmente aquellas con permisos amplios.
• Escanea repositorios de código público y bases de código internas buscando claves API y secretos codificados rígidamente.
• Implementa límites de tasa estrictos y alertas de presupuesto para el uso de APIs de LLM para detectar picos súbitos en el consumo.
• Deshabilita permisos IAM no utilizados y aplica el principio de menor privilegio para todas las cuentas de servicio que interactúan con LLMs.
• Monitorea cambios inusuales de configuración en herramientas CLI de desarrolladores, particularmente en ajustes de sandboxing y red.
• Educa a los desarrolladores sobre los riesgos de usar revendedores no autorizados o configuraciones modificadas de CLI para herramientas de IA.