W atakach LLMJacking przestępcy przejmują firmowy dostęp do modeli językowych i używają go sami albo odsprzedają innym. Google informuje o przypadkach, w których nielegalne opłaty przekroczyły 100 tys.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą 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
Google Mandiant i Google Threat Intelligence Group opisują serię incydentów z 2026 roku, w których przestępcy przejmowali firmowy dostęp do dużych modeli językowych (LLM), a następnie wykorzystywali go lub odsprzedawali. W niektórych przypadkach nielegalne opłaty za zasoby chmurowe przekraczały 100 tys. dolarów w ciągu doby. Łączny rachunek w części organizacji urósł do miliona dolarów, zanim odcięto napastnikom dostęp. 4
LLMJacking to przejęcie dostępu organizacji do modeli językowych i powiązanych z nimi zasobów obliczeniowych. Chodzi nie tyle o manipulowanie rozmową w publicznym czacie, ile o nadużywanie firmowego dostępu do usług chmurowych i modeli. Przestępcy mogą prowadzić własne operacje na koncie ofiary albo kierować przez skradziony dostęp zapytania innych użytkowników. 4
Według Mandiant incydenty dotyczyły organizacji z sektorów usług finansowych, handlu detalicznego, technologii i transportu. Firmy znajdowały się w Ameryce Północnej, Ameryce Południowej i regionie Azji i Pacyfiku, a ataki obejmowały różnych dostawców chmury i modeli językowych. 4
Wśród opisanych sposobów uzyskania dostępu były kradzież danych logowania do chmury, kluczy API do modeli i tokenów dostępu. Zestawienia incydentów wymieniają także poświadczenia IAM, klucze kont serwisowych, osobiste tokeny dostępu GitHub (PAT) oraz przejęte tokeny sesji. 3
5
9
Po uzyskaniu dostępu napastnicy mogli uruchamiać modele w ramach uprawnień przyznanych ofierze. Część z nich odsprzedawała ten dostęp za pośrednictwem usług pośredniczących. Koszt wnioskowania — czyli przetwarzania potrzebnego do obsługi zapytań do modelu — ponosiła wówczas zaatakowana organizacja. 3
Skala wydatków może rosnąć bardzo szybko. Google odnotowało przypadki, w których nielegalne opłaty przekraczały 100 tys. dolarów w jeden dzień. W niektórych firmach łączny koszt doszedł do miliona dolarów, zanim zablokowano dostęp.
W jednym z opisywanych przypadków grupa UNC6993 uzyskała dostęp do instancji chmurowej przez źle skonfigurowany klucz konta serwisowego, a następnie dostała się do API modelu językowego. 17 To przykład, jak luka w zabezpieczeniu tożsamości chmurowej może otworzyć drogę do nieuprawnionego korzystania z AI.
W tym procederze rolę odgrywają również tak zwane „LLM Mixers” — usługi, które pośredniczą w przekazywaniu zapytań klientów przez przejęty dostęp do modeli. Jednym z przykładów jest Jet Night. Według źródeł usługa ta obsłużyła ponad 500 tys. wywołań API w czasie krótszym niż osiem godzin, a koszt tokenów obciążający jedną ofiarę wyniósł prawie milion dolarów. 18
Jet Night reklamował dostęp za około 60 dolarów miesięcznie. Dla porównania, legalne subskrypcje miały kosztować mniej więcej 100–250 dolarów. 18
20 Taki model pozwala pośrednikowi pobierać opłaty od klientów, podczas gdy rachunek za wykorzystanie modeli trafia do firmy, której dane dostępowe zostały skradzione.
W materiałach dotyczących sprawy pojawiła się też informacja, że napastnicy wykorzystali lukę CVE-2026-40217 w LiteLLM, bramie służącej do obsługi modeli. Według relacji mieli dzięki niej zmienić zwykłe klucze w dostęp z uprawnieniami administratora. 17
Inne dostarczone źródło wskazuje jednak na rozbieżność między opisem Google a odpowiedzią doradców LiteLLM. Dostępne informacje nie rozstrzygają tej różnicy, dlatego szczegóły techniczne dotyczące luki należy traktować ostrożnie.
Badacze Google zestawili LLMJacking z cryptojackingiem, czyli nieuprawnionym wykorzystywaniem cudzych urządzeń do kopania kryptowalut. W odróżnieniu od bardziej stopniowego zużywania zasobów przy cryptojackingu, LLMJacking może w ciągu kilku godzin doprowadzić do gwałtownego wzrostu nielegalnych opłat za chmurę.
Opisane przypadki pokazują, że przejęte dane dostępowe są nie tylko zagrożeniem dla bezpieczeństwa, ale też problemem kontroli kosztów. Zanim organizacja wykryje nadużycie i unieważni poświadczenia, ktoś może wykorzystać jej konto do obsługi dużej liczby zapytań.
Dla firm korzystających z modeli hostowanych w chmurze praktyczne wnioski są konkretne: chronić tożsamości chmurowe i klucze API, sprawdzać, gdzie mogą być ujawnione tokeny, oraz obserwować wykorzystanie modeli i opłaty pod kątem nagłych, nietypowych zmian. To wnioski wynikające z opisanych dróg dostępu i skutków finansowych, a nie pełna lista zaleceń przypisywanych Google. 3
5
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
W atakach LLMJacking przestępcy przejmują firmowy dostęp do modeli językowych i używają go sami albo odsprzedają innym.
W atakach LLMJacking przestępcy przejmują firmowy dostęp do modeli językowych i używają go sami albo odsprzedają innym. Google informuje o przypadkach, w których nielegalne opłaty przekroczyły 100 tys.
Usługa Jet Night miała obsłużyć ponad 500 tys. wywołań API w mniej niż osiem godzin; źródła odnotowują też rozbieżność dotyczącą opisywanej luki w LiteLLM.
W atakach LLMJacking przestępcy przejmują firmowy dostęp do modeli językowych i używają go sami albo odsprzedają innym. Google informuje o przypadkach, w których nielegalne opłaty przekroczyły 100 tys.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą 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
Google Mandiant i Google Threat Intelligence Group opisują serię incydentów z 2026 roku, w których przestępcy przejmowali firmowy dostęp do dużych modeli językowych (LLM), a następnie wykorzystywali go lub odsprzedawali. W niektórych przypadkach nielegalne opłaty za zasoby chmurowe przekraczały 100 tys. dolarów w ciągu doby. Łączny rachunek w części organizacji urósł do miliona dolarów, zanim odcięto napastnikom dostęp. 4
LLMJacking to przejęcie dostępu organizacji do modeli językowych i powiązanych z nimi zasobów obliczeniowych. Chodzi nie tyle o manipulowanie rozmową w publicznym czacie, ile o nadużywanie firmowego dostępu do usług chmurowych i modeli. Przestępcy mogą prowadzić własne operacje na koncie ofiary albo kierować przez skradziony dostęp zapytania innych użytkowników. 4
Według Mandiant incydenty dotyczyły organizacji z sektorów usług finansowych, handlu detalicznego, technologii i transportu. Firmy znajdowały się w Ameryce Północnej, Ameryce Południowej i regionie Azji i Pacyfiku, a ataki obejmowały różnych dostawców chmury i modeli językowych. 4
Wśród opisanych sposobów uzyskania dostępu były kradzież danych logowania do chmury, kluczy API do modeli i tokenów dostępu. Zestawienia incydentów wymieniają także poświadczenia IAM, klucze kont serwisowych, osobiste tokeny dostępu GitHub (PAT) oraz przejęte tokeny sesji. 3
5
9
Po uzyskaniu dostępu napastnicy mogli uruchamiać modele w ramach uprawnień przyznanych ofierze. Część z nich odsprzedawała ten dostęp za pośrednictwem usług pośredniczących. Koszt wnioskowania — czyli przetwarzania potrzebnego do obsługi zapytań do modelu — ponosiła wówczas zaatakowana organizacja. 3
Skala wydatków może rosnąć bardzo szybko. Google odnotowało przypadki, w których nielegalne opłaty przekraczały 100 tys. dolarów w jeden dzień. W niektórych firmach łączny koszt doszedł do miliona dolarów, zanim zablokowano dostęp.
W jednym z opisywanych przypadków grupa UNC6993 uzyskała dostęp do instancji chmurowej przez źle skonfigurowany klucz konta serwisowego, a następnie dostała się do API modelu językowego. 17 To przykład, jak luka w zabezpieczeniu tożsamości chmurowej może otworzyć drogę do nieuprawnionego korzystania z AI.
W tym procederze rolę odgrywają również tak zwane „LLM Mixers” — usługi, które pośredniczą w przekazywaniu zapytań klientów przez przejęty dostęp do modeli. Jednym z przykładów jest Jet Night. Według źródeł usługa ta obsłużyła ponad 500 tys. wywołań API w czasie krótszym niż osiem godzin, a koszt tokenów obciążający jedną ofiarę wyniósł prawie milion dolarów. 18
Jet Night reklamował dostęp za około 60 dolarów miesięcznie. Dla porównania, legalne subskrypcje miały kosztować mniej więcej 100–250 dolarów. 18
20 Taki model pozwala pośrednikowi pobierać opłaty od klientów, podczas gdy rachunek za wykorzystanie modeli trafia do firmy, której dane dostępowe zostały skradzione.
W materiałach dotyczących sprawy pojawiła się też informacja, że napastnicy wykorzystali lukę CVE-2026-40217 w LiteLLM, bramie służącej do obsługi modeli. Według relacji mieli dzięki niej zmienić zwykłe klucze w dostęp z uprawnieniami administratora. 17
Inne dostarczone źródło wskazuje jednak na rozbieżność między opisem Google a odpowiedzią doradców LiteLLM. Dostępne informacje nie rozstrzygają tej różnicy, dlatego szczegóły techniczne dotyczące luki należy traktować ostrożnie.
Badacze Google zestawili LLMJacking z cryptojackingiem, czyli nieuprawnionym wykorzystywaniem cudzych urządzeń do kopania kryptowalut. W odróżnieniu od bardziej stopniowego zużywania zasobów przy cryptojackingu, LLMJacking może w ciągu kilku godzin doprowadzić do gwałtownego wzrostu nielegalnych opłat za chmurę.
Opisane przypadki pokazują, że przejęte dane dostępowe są nie tylko zagrożeniem dla bezpieczeństwa, ale też problemem kontroli kosztów. Zanim organizacja wykryje nadużycie i unieważni poświadczenia, ktoś może wykorzystać jej konto do obsługi dużej liczby zapytań.
Dla firm korzystających z modeli hostowanych w chmurze praktyczne wnioski są konkretne: chronić tożsamości chmurowe i klucze API, sprawdzać, gdzie mogą być ujawnione tokeny, oraz obserwować wykorzystanie modeli i opłaty pod kątem nagłych, nietypowych zmian. To wnioski wynikające z opisanych dróg dostępu i skutków finansowych, a nie pełna lista zaleceń przypisywanych Google. 3
5
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
W atakach LLMJacking przestępcy przejmują firmowy dostęp do modeli językowych i używają go sami albo odsprzedają innym.
W atakach LLMJacking przestępcy przejmują firmowy dostęp do modeli językowych i używają go sami albo odsprzedają innym. Google informuje o przypadkach, w których nielegalne opłaty przekroczyły 100 tys.
Usługa Jet Night miała obsłużyć ponad 500 tys. wywołań API w mniej niż osiem godzin; źródła odnotowują też rozbieżność dotyczącą opisywanej luki w LiteLLM.