Google rapporterar att kriminella har kapat företags åtkomst till språkmodeller och använt den själva eller sålt den vidare. Angreppen drabbade organisationer inom finans, handel, teknik och transport i Nord och Sydamerika samt Asien och Stillahavsområdet.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med 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 beskriver flera fall från 2026 där kriminella kapade företags åtkomst till stora språkmodeller, så kallad LLMJacking. De använde åtkomsten för egen räkning eller sålde den vidare. I vissa fall översteg de falska molnkostnaderna 100 000 dollar på ett dygn. Hos några organisationer hann den sammanlagda notan nå en miljon dollar innan åtkomsten stängdes av. 4
LLMJacking innebär att någon tar över ett företags åtkomst till språkmodeller och tillhörande datorkraft. Det handlar alltså om att utnyttja företagets molnkonton och modellåtkomst – inte bara om att manipulera en chattbot som kunder använder. Angriparna kan köra egna arbetsuppgifter via offrets konto eller låta andra använda åtkomsten genom en förmedlingstjänst. 4
Mandiant, Googles cybersäkerhets- och incidenthanteringsverksamhet, uppger att de fall företaget hanterade berörde organisationer inom finans, handel, teknik och transport i Nord- och Sydamerika samt Asien och Stillahavsområdet. Flera olika moln- och modellleverantörer förekom. 4
Bland de åtkomstvägar som rapporterats finns stulna molnuppgifter, API-nycklar till språkmodeller och åtkomsttoken. I incidentöversikter nämns även IAM-uppgifter, nycklar till tjänstekonton, personliga åtkomsttoken från GitHub och kapade sessionstoken. 3
5
9
När angriparna väl kommit in kan de använda offrets behörigheter för att köra modeller. En del säljer sedan åtkomsten vidare via mellanhänder. Kostnaden för modellernas beräkningar – den behandling som krävs för att svara på förfrågningar – hamnar då på företaget vars uppgifter stulits. 3
Notan kan växa snabbt. Google uppger att de falska kostnaderna i vissa fall översteg 100 000 dollar på en dag och att de hos några organisationer nådde en miljon dollar innan åtkomsten stängdes.
I en rapportering om Googles fynd beskrivs hur gruppen UNC6993 tog sig in i en molninstans genom en felkonfigurerad nyckel till ett tjänstekonto och därifrån nådde ett API för en språkmodell. Fallet visar hur en svaghet i molnidentiteten kan bli en väg till obehörig modellåtkomst. 17
En annan del av ekosystemet utgörs av så kallade ”LLM Mixers”: tjänster som skickar betalande kunders förfrågningar genom kapad åtkomst. Jet Night är ett exempel. Tjänsten kopplas till över 500 000 API-anrop på mindre än åtta timmar och nära en miljon dollar i tokenkostnader för ett drabbat företag. 18
Enligt rapporteringen marknadsförde Jet Night åtkomst för omkring 60 dollar i månaden, jämfört med legitima abonnemang på ungefär 100–250 dollar. 18
20 Modellen innebär att kunden betalar mellanhanden, medan organisationen vars uppgifter stulits kan få molnnotan.
Rapportering om Googles fynd beskriver också hur angripare utnyttjade CVE-2026-40217 i LiteLLM, en så kallad modellgateway, för att omvandla vanliga virtuella nycklar till administratörsbehörighet. 17 En annan källa pekar dock på att Googles beskrivning skiljer sig från LiteLLM:s egen rådgivning. De tillgängliga uppgifterna reder inte ut motsägelsen, så den exakta tekniska förklaringen bör läsas med försiktighet.
Googles forskare kontrasterar LLMJacking mot kryptokapning, där datorresurser används för att utvinna kryptovaluta. Medan kryptokapning beskrivs som en mer gradvis belastning kan LLMJacking ge stora, falska molnkostnader inom loppet av några timmar. Fallen visar att obehörig modellåtkomst också är en kostnadsrisk: en kapad inloggningsuppgift kan möjliggöra omfattande användning innan företaget upptäcker intrånget och stänger åtkomsten.
För organisationer som använder molnbaserade modeller är det därför viktigt att skydda molnidentiteter och API-uppgifter, granska var åtkomsttoken kan exponeras och bevaka modellanvändning och kostnader för oväntade förändringar. Det är praktiska slutsatser av de rapporterade angreppsvägarna och kostnaderna – inte en fullständig lista över rekommendationer från Google. 3
5
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Google rapporterar att kriminella har kapat företags åtkomst till språkmodeller och använt den själva eller sålt den vidare.
Google rapporterar att kriminella har kapat företags åtkomst till språkmodeller och använt den själva eller sålt den vidare. Angreppen drabbade organisationer inom finans, handel, teknik och transport i Nord och Sydamerika samt Asien och Stillahavsområdet.
Tjänsten Jet Night kopplas till över 500 000 API anrop på mindre än åtta timmar.
Google rapporterar att kriminella har kapat företags åtkomst till språkmodeller och använt den själva eller sålt den vidare. Angreppen drabbade organisationer inom finans, handel, teknik och transport i Nord och Sydamerika samt Asien och Stillahavsområdet.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med 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 beskriver flera fall från 2026 där kriminella kapade företags åtkomst till stora språkmodeller, så kallad LLMJacking. De använde åtkomsten för egen räkning eller sålde den vidare. I vissa fall översteg de falska molnkostnaderna 100 000 dollar på ett dygn. Hos några organisationer hann den sammanlagda notan nå en miljon dollar innan åtkomsten stängdes av. 4
LLMJacking innebär att någon tar över ett företags åtkomst till språkmodeller och tillhörande datorkraft. Det handlar alltså om att utnyttja företagets molnkonton och modellåtkomst – inte bara om att manipulera en chattbot som kunder använder. Angriparna kan köra egna arbetsuppgifter via offrets konto eller låta andra använda åtkomsten genom en förmedlingstjänst. 4
Mandiant, Googles cybersäkerhets- och incidenthanteringsverksamhet, uppger att de fall företaget hanterade berörde organisationer inom finans, handel, teknik och transport i Nord- och Sydamerika samt Asien och Stillahavsområdet. Flera olika moln- och modellleverantörer förekom. 4
Bland de åtkomstvägar som rapporterats finns stulna molnuppgifter, API-nycklar till språkmodeller och åtkomsttoken. I incidentöversikter nämns även IAM-uppgifter, nycklar till tjänstekonton, personliga åtkomsttoken från GitHub och kapade sessionstoken. 3
5
9
När angriparna väl kommit in kan de använda offrets behörigheter för att köra modeller. En del säljer sedan åtkomsten vidare via mellanhänder. Kostnaden för modellernas beräkningar – den behandling som krävs för att svara på förfrågningar – hamnar då på företaget vars uppgifter stulits. 3
Notan kan växa snabbt. Google uppger att de falska kostnaderna i vissa fall översteg 100 000 dollar på en dag och att de hos några organisationer nådde en miljon dollar innan åtkomsten stängdes.
I en rapportering om Googles fynd beskrivs hur gruppen UNC6993 tog sig in i en molninstans genom en felkonfigurerad nyckel till ett tjänstekonto och därifrån nådde ett API för en språkmodell. Fallet visar hur en svaghet i molnidentiteten kan bli en väg till obehörig modellåtkomst. 17
En annan del av ekosystemet utgörs av så kallade ”LLM Mixers”: tjänster som skickar betalande kunders förfrågningar genom kapad åtkomst. Jet Night är ett exempel. Tjänsten kopplas till över 500 000 API-anrop på mindre än åtta timmar och nära en miljon dollar i tokenkostnader för ett drabbat företag. 18
Enligt rapporteringen marknadsförde Jet Night åtkomst för omkring 60 dollar i månaden, jämfört med legitima abonnemang på ungefär 100–250 dollar. 18
20 Modellen innebär att kunden betalar mellanhanden, medan organisationen vars uppgifter stulits kan få molnnotan.
Rapportering om Googles fynd beskriver också hur angripare utnyttjade CVE-2026-40217 i LiteLLM, en så kallad modellgateway, för att omvandla vanliga virtuella nycklar till administratörsbehörighet. 17 En annan källa pekar dock på att Googles beskrivning skiljer sig från LiteLLM:s egen rådgivning. De tillgängliga uppgifterna reder inte ut motsägelsen, så den exakta tekniska förklaringen bör läsas med försiktighet.
Googles forskare kontrasterar LLMJacking mot kryptokapning, där datorresurser används för att utvinna kryptovaluta. Medan kryptokapning beskrivs som en mer gradvis belastning kan LLMJacking ge stora, falska molnkostnader inom loppet av några timmar. Fallen visar att obehörig modellåtkomst också är en kostnadsrisk: en kapad inloggningsuppgift kan möjliggöra omfattande användning innan företaget upptäcker intrånget och stänger åtkomsten.
För organisationer som använder molnbaserade modeller är det därför viktigt att skydda molnidentiteter och API-uppgifter, granska var åtkomsttoken kan exponeras och bevaka modellanvändning och kostnader för oväntade förändringar. Det är praktiska slutsatser av de rapporterade angreppsvägarna och kostnaderna – inte en fullständig lista över rekommendationer från Google. 3
5
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Google rapporterar att kriminella har kapat företags åtkomst till språkmodeller och använt den själva eller sålt den vidare.
Google rapporterar att kriminella har kapat företags åtkomst till språkmodeller och använt den själva eller sålt den vidare. Angreppen drabbade organisationer inom finans, handel, teknik och transport i Nord och Sydamerika samt Asien och Stillahavsområdet.
Tjänsten Jet Night kopplas till över 500 000 API anrop på mindre än åtta timmar.