Při útocích označovaných jako LLMJacking zločinci zneužívají firemní přístup k jazykovým modelům pro vlastní potřebu nebo ho přeprodávají. Mandiant popsal případy z finančního sektoru, maloobchodu, technologií a dopravy v Severní a Jižní Americe i v asijsko pacifickém regionu.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Google’s Mandiant and Google Threat Intelligence Group report on November 2, 2026, about LLMJacking incidents across financial serv. Article summary: Google’s Mandiant and Google Threat Intelligence Group reported on November 2, 2026, that criminals were hijacking enterprise LLM access and monetizing it at victims’ expense, producing fraudulent charges above $100,000 . Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Mandiant a Google Threat Intelligence Group (GTIG) popsaly několik případů z roku 2026, kdy útočníci převzali firemní přístup k velkým jazykovým modelům (LLM) a využili ho sami nebo ho nabídli dalším zákazníkům. Výsledkem byly podvodné náklady na cloudové služby: v některých případech přes 100 000 dolarů za jediný den, u některých organizací pak až milion dolarů, než se podařilo přístup zablokovat. 4
LLMJacking je zneužití přístupu organizace k jazykovým modelům a souvisejícím cloudovým výpočetním zdrojům. Nejde tedy jen o manipulaci s odpověďmi chatbota, který používají zákazníci. Útočníci mohou modely spouštět na účtu oběti pro vlastní účely, případně přes ukradený přístup přeposílat požadavky svých zákazníků. Náklady za zpracování požadavků — takzvanou inferenci — přitom platí napadená organizace. 4
Případy, které Mandiant řešil, se týkaly organizací z finančních služeb, maloobchodu, technologií a dopravy v Severní a Jižní Americe i v asijsko-pacifickém regionu. Útočníci využívali různé poskytovatele cloudových služeb a jazykových modelů. 4
Mezi popsané cesty k účtům patřily ukradené cloudové přihlašovací údaje, API klíče pro jazykové modely a přístupové tokeny. V přehledech incidentů se objevují také údaje pro správu přístupů a identit (IAM), klíče servisních účtů, osobní přístupové tokeny GitHubu a zneužité přihlašovací relace. 3
5
9
Po získání přístupu mohou útočníci spouštět modelové úlohy, které účet oběti oprávněně umožňuje. Někteří pak přístup přeprodávají prostřednictvím zprostředkovatelských služeb. Zákazník platí překupníkovi, zatímco náklady na provoz modelu se účtují napadené organizaci. 3
Účet může narůstat velmi rychle. Google uvedl, že v některých případech přesáhly podvodné poplatky 100 000 dolarů za den. U některých organizací dosáhly souhrnné náklady před odebráním přístupu až milionu dolarů.
Podle zpráv navázaných na Google získala skupina označovaná jako UNC6993 přístup ke cloudové instanci přes chybně nastavený klíč servisního účtu a odtud se dostala k API jazykového modelu. Případ ukazuje, jak se slabina v nastavení cloudové identity může změnit v cestu k neoprávněnému využívání AI. 17
Další část prostředí tvoří takzvané „LLM Mixers“ — služby, které přeposílají požadavky zákazníků přes napadený přístup k modelům. Jedním z uváděných příkladů je Jet Night. S touto službou bylo spojeno přes 500 000 volání na API za méně než osm hodin; náklady na tokeny pro jednu oběť se přitom blížily milionu dolarů. 18
Podle dostupných zpráv Jet Night nabízela přístup asi za 60 dolarů měsíčně, zatímco legální předplatné srovnatelných služeb stálo přibližně 100 až 250 dolarů. 18
20 Přeprodejní model tak odděluje platbu zákazníka od účtu za skutečně spotřebovaný výkon — ten může zůstat na bedrech organizace, jejíž přístupové údaje byly ukradeny.
Zprávy navázané na Google také popisují zneužití zranitelnosti CVE-2026-40217 v LiteLLM, nástroji, který zprostředkovává přístup k modelům. Podle jednoho popisu mělo zneužití umožnit změnit běžné virtuální klíče na přístup s oprávněním správce. 17
Jiný z dodaných zdrojů ale upozorňuje na rozpor mezi popisem Googlu a reakcí LiteLLM. Dostupné informace tuto neshodu neobjasňují, a proto je namístě brát přesný technický popis zranitelnosti s rezervou.
Na rozdíl od kryptojackingu, který podle výzkumníků Googlu obvykle zatěžuje zdroje pozvolněji, může LLMJacking způsobit prudký nárůst podvodných cloudových nákladů během několika hodin. Napadený přístup tak není jen bezpečnostním rizikem, ale i problémem kontroly výdajů: než si organizace neobvyklého provozu všimne a přístup zruší, může být škoda značná.
Z popsaných případů vyplývají praktické priority pro organizace využívající cloudové modely: chránit cloudové identity a API klíče, kontrolovat, kde se přístupové tokeny mohou dostat na veřejnost, a sledovat nečekané změny v provozu i účtech za používání modelů. Jde o bezpečnostní důsledky popsaných způsobů útoku a jejich finančního dopadu, nikoli o úplný seznam doporučení připisovaných Googlu. 3
5
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Při útocích označovaných jako LLMJacking zločinci zneužívají firemní přístup k jazykovým modelům pro vlastní potřebu nebo ho přeprodávají.
Při útocích označovaných jako LLMJacking zločinci zneužívají firemní přístup k jazykovým modelům pro vlastní potřebu nebo ho přeprodávají. Mandiant popsal případy z finančního sektoru, maloobchodu, technologií a dopravy v Severní a Jižní Americe i v asijsko pacifickém regionu.
Služba Jet Night byla spojena s více než 500 000 voláními na API za méně než osm hodin.
Při útocích označovaných jako LLMJacking zločinci zneužívají firemní přístup k jazykovým modelům pro vlastní potřebu nebo ho přeprodávají. Mandiant popsal případy z finančního sektoru, maloobchodu, technologií a dopravy v Severní a Jižní Americe i v asijsko pacifickém regionu.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Google’s Mandiant and Google Threat Intelligence Group report on November 2, 2026, about LLMJacking incidents across financial serv. Article summary: Google’s Mandiant and Google Threat Intelligence Group reported on November 2, 2026, that criminals were hijacking enterprise LLM access and monetizing it at victims’ expense, producing fraudulent charges above $100,000 . Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Mandiant a Google Threat Intelligence Group (GTIG) popsaly několik případů z roku 2026, kdy útočníci převzali firemní přístup k velkým jazykovým modelům (LLM) a využili ho sami nebo ho nabídli dalším zákazníkům. Výsledkem byly podvodné náklady na cloudové služby: v některých případech přes 100 000 dolarů za jediný den, u některých organizací pak až milion dolarů, než se podařilo přístup zablokovat. 4
LLMJacking je zneužití přístupu organizace k jazykovým modelům a souvisejícím cloudovým výpočetním zdrojům. Nejde tedy jen o manipulaci s odpověďmi chatbota, který používají zákazníci. Útočníci mohou modely spouštět na účtu oběti pro vlastní účely, případně přes ukradený přístup přeposílat požadavky svých zákazníků. Náklady za zpracování požadavků — takzvanou inferenci — přitom platí napadená organizace. 4
Případy, které Mandiant řešil, se týkaly organizací z finančních služeb, maloobchodu, technologií a dopravy v Severní a Jižní Americe i v asijsko-pacifickém regionu. Útočníci využívali různé poskytovatele cloudových služeb a jazykových modelů. 4
Mezi popsané cesty k účtům patřily ukradené cloudové přihlašovací údaje, API klíče pro jazykové modely a přístupové tokeny. V přehledech incidentů se objevují také údaje pro správu přístupů a identit (IAM), klíče servisních účtů, osobní přístupové tokeny GitHubu a zneužité přihlašovací relace. 3
5
9
Po získání přístupu mohou útočníci spouštět modelové úlohy, které účet oběti oprávněně umožňuje. Někteří pak přístup přeprodávají prostřednictvím zprostředkovatelských služeb. Zákazník platí překupníkovi, zatímco náklady na provoz modelu se účtují napadené organizaci. 3
Účet může narůstat velmi rychle. Google uvedl, že v některých případech přesáhly podvodné poplatky 100 000 dolarů za den. U některých organizací dosáhly souhrnné náklady před odebráním přístupu až milionu dolarů.
Podle zpráv navázaných na Google získala skupina označovaná jako UNC6993 přístup ke cloudové instanci přes chybně nastavený klíč servisního účtu a odtud se dostala k API jazykového modelu. Případ ukazuje, jak se slabina v nastavení cloudové identity může změnit v cestu k neoprávněnému využívání AI. 17
Další část prostředí tvoří takzvané „LLM Mixers“ — služby, které přeposílají požadavky zákazníků přes napadený přístup k modelům. Jedním z uváděných příkladů je Jet Night. S touto službou bylo spojeno přes 500 000 volání na API za méně než osm hodin; náklady na tokeny pro jednu oběť se přitom blížily milionu dolarů. 18
Podle dostupných zpráv Jet Night nabízela přístup asi za 60 dolarů měsíčně, zatímco legální předplatné srovnatelných služeb stálo přibližně 100 až 250 dolarů. 18
20 Přeprodejní model tak odděluje platbu zákazníka od účtu za skutečně spotřebovaný výkon — ten může zůstat na bedrech organizace, jejíž přístupové údaje byly ukradeny.
Zprávy navázané na Google také popisují zneužití zranitelnosti CVE-2026-40217 v LiteLLM, nástroji, který zprostředkovává přístup k modelům. Podle jednoho popisu mělo zneužití umožnit změnit běžné virtuální klíče na přístup s oprávněním správce. 17
Jiný z dodaných zdrojů ale upozorňuje na rozpor mezi popisem Googlu a reakcí LiteLLM. Dostupné informace tuto neshodu neobjasňují, a proto je namístě brát přesný technický popis zranitelnosti s rezervou.
Na rozdíl od kryptojackingu, který podle výzkumníků Googlu obvykle zatěžuje zdroje pozvolněji, může LLMJacking způsobit prudký nárůst podvodných cloudových nákladů během několika hodin. Napadený přístup tak není jen bezpečnostním rizikem, ale i problémem kontroly výdajů: než si organizace neobvyklého provozu všimne a přístup zruší, může být škoda značná.
Z popsaných případů vyplývají praktické priority pro organizace využívající cloudové modely: chránit cloudové identity a API klíče, kontrolovat, kde se přístupové tokeny mohou dostat na veřejnost, a sledovat nečekané změny v provozu i účtech za používání modelů. Jde o bezpečnostní důsledky popsaných způsobů útoku a jejich finančního dopadu, nikoli o úplný seznam doporučení připisovaných Googlu. 3
5
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Při útocích označovaných jako LLMJacking zločinci zneužívají firemní přístup k jazykovým modelům pro vlastní potřebu nebo ho přeprodávají.
Při útocích označovaných jako LLMJacking zločinci zneužívají firemní přístup k jazykovým modelům pro vlastní potřebu nebo ho přeprodávají. Mandiant popsal případy z finančního sektoru, maloobchodu, technologií a dopravy v Severní a Jižní Americe i v asijsko pacifickém regionu.
Služba Jet Night byla spojena s více než 500 000 voláními na API za méně než osm hodin.