RespuestasPublicado17 fuentes
LLMJacking: cuando roban el acceso a la IA, la factura puede rozar el millón
Mandiant respondió en 2026 a varios casos de LLMJacking: ataques que secuestran el acceso empresarial a modelos de lenguaje para usarlo o revenderlo. En algunos incidentes, los cargos fraudulentos superaron los 100.000 dólares en un día; en ciertas organizaciones, llegaron a un millón antes de que se revocara el acc...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Mandiant respondió en 2026 a varios casos de LLMJacking: ataques que secuestran el acceso empresarial a modelos de lenguaje para usarlo o revenderlo.
- En algunos incidentes, los cargos fraudulentos superaron los 100.000 dólares en un día; en ciertas organizaciones, llegaron a un millón antes de que se revocara el acceso.
- El servicio de reventa Jet Night fue vinculado a más de 500.000 llamadas a una API en menos de ocho horas.
Prompt de IA
openai.comCreate 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 y Google Threat Intelligence Group (GTIG) informaron de varios incidentes de 2026 en los que delincuentes secuestraron el acceso de empresas a modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés). Usaron esos recursos para sus propias operaciones o revendieron el acceso, mientras los cargos por computación recaían en las organizaciones afectadas. En algunos casos, los consumos fraudulentos superaron los 100.000 dólares en un día y, antes de que se bloqueara el acceso, llegaron a un millón de dólares acumulados. 4
Qué significa LLMJacking
El término describe el secuestro del acceso de una organización a modelos de lenguaje y a los recursos informáticos asociados. No se trata simplemente de manipular las respuestas de un chatbot público: los ataques apuntan a las credenciales y los servicios que permiten ejecutar modelos desde cuentas empresariales. Los intrusos pueden utilizarlos directamente o canalizar por ellos las solicitudes de otros usuarios. 4
Los casos atendidos por Mandiant afectaron a organizaciones de los sectores financiero, minorista, tecnológico y del transporte en Norteamérica, Sudamérica y Asia-Pacífico. Hubo distintos proveedores de nube y de modelos de IA involucrados. 4
Cómo acceden y generan cargos
Entre las vías de acceso identificadas figuran credenciales de nube y claves de API robadas. Los informes también mencionan credenciales de IAM —el sistema de gestión de identidades y accesos—, claves de cuentas de servicio, tokens personales de acceso de GitHub y tokens de sesión secuestrados. 3
5
9
Una vez dentro, los atacantes pueden ejecutar modelos con los permisos de la víctima. Algunos revenden ese acceso mediante servicios intermediarios: el cliente paga al revendedor, pero el coste de procesamiento de las solicitudes —la llamada inferencia— se carga a la cuenta de la organización afectada. 3
El gasto puede dispararse en pocas horas. Google indicó que en ciertos incidentes los cargos fraudulentos excedieron los 100.000 dólares en un solo día; en algunas empresas, la suma alcanzó un millón antes de que se revocara el acceso.
UNC6993 y la reventa de acceso a modelos
Según la cobertura del informe de Google, el grupo identificado como UNC6993 obtuvo acceso a una instancia en la nube a través de una clave de cuenta de servicio mal configurada y, desde allí, llegó a una API de LLM. El caso muestra cómo una debilidad en la identidad de nube puede abrir la puerta al uso no autorizado de modelos. 17
En el mercado clandestino también operan los llamados «LLM Mixers»: servicios que retransmiten las solicitudes de clientes de pago a través de accesos comprometidos. Jet Night es uno de los ejemplos citados. Una operación vinculada al servicio generó más de 500.000 llamadas a una API en menos de ocho horas y trasladó a una organización víctima casi un millón de dólares en costes de tokens. 18
Las fuentes indican que Jet Night anunciaba planes de acceso por unos 60 dólares al mes, frente a suscripciones legítimas de alrededor de 100 a 250 dólares. 18
20 La diferencia ayuda a entender el atractivo del modelo de reventa: el cliente paga menos al intermediario y la empresa cuyas credenciales fueron robadas puede terminar con la factura.
La vulnerabilidad de LiteLLM: un detalle aún discutido
La cobertura del informe de Google también describió la explotación de CVE-2026-40217 en LiteLLM, una pasarela para modelos, que habría permitido convertir claves virtuales comunes en acceso de administrador. 17 Sin embargo, otra fuente señala discrepancias entre la descripción de Google y la respuesta de asesoramiento de LiteLLM. La información disponible no resuelve la diferencia, por lo que conviene tratar con cautela la explicación técnica exacta.
Por qué la factura puede crecer tan rápido
Google y Mandiant contrastaron el LLMJacking con el cryptojacking: mientras este último suele consumir recursos de forma más gradual, el secuestro de modelos puede causar grandes picos de cargos fraudulentos en cuestión de horas. Los incidentes muestran que el acceso no autorizado a la IA es también un problema de control de costes: una credencial comprometida puede permitir un volumen elevado de uso antes de que la empresa lo detecte y la revoque.
Para las organizaciones que utilizan modelos alojados en la nube, los casos apuntan a prioridades prácticas: proteger las identidades y claves de API, revisar dónde pueden quedar expuestos los tokens y vigilar el uso de modelos y los cargos ante cambios inesperados. Son medidas defensivas que se desprenden de las vías de acceso y del impacto económico descritos; no una lista exhaustiva atribuida a Google. 3
5
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "LLMJacking: cuando roban el acceso a la IA, la factura puede rozar el millón"?
Mandiant respondió en 2026 a varios casos de LLMJacking: ataques que secuestran el acceso empresarial a modelos de lenguaje para usarlo o revenderlo.
¿Cuáles son los puntos clave a validar primero?
Mandiant respondió en 2026 a varios casos de LLMJacking: ataques que secuestran el acceso empresarial a modelos de lenguaje para usarlo o revenderlo. En algunos incidentes, los cargos fraudulentos superaron los 100.000 dólares en un día; en ciertas organizaciones, llegaron a un millón antes de que se revocara el acceso.
¿Qué debo hacer a continuación en la práctica?
El servicio de reventa Jet Night fue vinculado a más de 500.000 llamadas a una API en menos de ocho horas.
Fuentes
cloud.google.comThe Rise of LLMJacking: How Threat Actors Monetize Compromised Cloud and Model Resources | Google Cloud Blog
mallory.aiLLMJacking Turns Stolen Cloud Credentials Into Six-Figure AI ...
pranavaraparla.comActive alerts — Vibe Coding · Security Issue Tracking
ai-threat.watchAttacks on AI systems: latest reports and research - AI Threat Watch