LLMJacking

LLMJacking

LLMJacking bezeichnet eine Angriffsmethode, bei der Kriminelle gestohlene Zugangsdaten nutzen, um auf Kosten anderer leistungsstarke KI-Sprachmodelle zu betreiben. Die entstehenden Rechenkosten können innerhalb weniger Tage in die Zehntausende Dollar steigen.

Große Sprachmodelle — also KI-Programme, die Text verstehen und erzeugen können — sind teuer im Betrieb. Wer sie nutzen will, bucht einen Zugang bei einem Anbieter und zahlt pro Anfrage. LLMJacking bezeichnet den Angriff, bei dem Kriminelle fremde Zugangsdaten zu diesen Diensten stehlen und sie dann selbst benutzen — auf Rechnung des Opfers. Der Name ist angelehnt an den Begriff Carjacking, also den Autodiebstahl mit Schlüssel statt Brechstange: Das Konto wird nicht gehackt, sondern regelrecht entführt. Die Angreifer tun so, als wären sie der rechtmäßige Nutzer.

Warum gestohlene KI-Zugänge so wertvoll sind

Ein einziger kompromittierter API-Schlüssel — also ein digitaler Passcode, mit dem Software auf einen KI-Dienst zugreift — kann pro Tag Kosten von mehreren Tausend Dollar verursachen. Sicherheitsforscher des Unternehmens Sysdig beobachteten 2024 Fälle, in denen der potenzielle Schaden über 46.000 Dollar täglich betrug. Das Opfer bemerkt den Missbrauch oft erst, wenn die Monatsrechnung eintrifft.

Der Reiz für Angreifer ist groß: Sie bekommen Zugang zu Rechenleistung, für die sie selbst nichts zahlen. Diese Leistung nutzen sie entweder weiter, um anderen Kriminellen Zugang zu verkaufen, oder sie betreiben damit eigene Dienste — zum Beispiel um Schadsoftware zu schreiben oder Betrugsmaschen zu automatisieren.

So läuft ein LLMJacking-Angriff ab

Der Angriff beginnt fast immer mit dem Diebstahl eines API-Schlüssels. Häufig liegen solche Schlüssel ungeschützt in öffentlich zugänglichen Code-Repositories — also Online-Archiven, in denen Entwickler ihren Code speichern. Manchmal gelangen sie auch durch andere Datenlecks in fremde Hände. Automatisierte Such-Skripte durchforsten das Internet rund um die Uhr nach solchen Schlüsseln.

Sobald ein Schlüssel gefunden ist, prüfen die Angreifer automatisch, welche Dienste damit erreichbar sind und welche Modelle freigeschaltet sind. Dann stellen sie eine eigene Schnittstelle davor — einen sogenannten Proxy — und verkaufen den Zugang an Dritte weiter. Das ganze System läuft, ohne dass der eigentliche Kontoinhaber etwas davon mitbekommt.

LLMJacking unterscheidet sich dabei von klassischem Datendiebstahl. Die Angreifer wollen keine persönlichen Informationen aus dem Konto, sondern ausschließlich die daran hängende Rechenleistung. Das macht den Angriff ungewöhnlich, aber auch schwerer zu erkennen: Es wird nichts gestohlen, was fehlt — es wird etwas benutzt, was weiterhin vorhanden ist.

Wo LLMJacking in der Praxis auftaucht

Betroffen sind vor allem Entwicklerinnen und Entwickler, die mit KI-Diensten großer Anbieter arbeiten — etwa OpenAI, Anthropic oder Google. Diese Dienste stellen API-Schlüssel aus, mit denen sich eigene Anwendungen an die KI-Modelle anschließen lassen. Wer einen solchen Schlüssel unvorsichtig in einem öffentlichen GitHub-Repository speichert, läuft Gefahr, innerhalb von Minuten Opfer zu werden. Automatisierte Scanner durchsuchen solche Plattformen nahezu in Echtzeit.

In der Fachpresse tauchte der Begriff LLMJacking erstmals 2024 auf, als Sicherheitsforscher organisierte Kampagnen dokumentierten, die gezielt auf Cloud-Zugänge mit KI-Berechtigungen abzielten. Seither haben mehrere große Anbieter automatische Erkennungssysteme eingeführt, die ungewöhnlich hohe Nutzung melden. Trotzdem bleibt die Angriffsfläche groß, weil immer mehr Anwendungen KI-Modelle einbinden.

Für Unternehmen ist LLMJacking deshalb nicht nur ein technisches Problem, sondern auch ein finanzielles. Anders als bei vielen anderen Angriffen entsteht der Schaden nicht durch Datenverlust, sondern durch eine Rechnung, die am Monatsende wartet.

Produkten dorto

Aktuelle Narichten

Subscribe free. Unsubscribe the second it sucks.

High-signal news across AI, business, UX, and tech. Every morning.