پرش به محتوای اصلی
پرش به محتوای مقاله

گوگل: LLM Mixers توکن سرقتی می‌فروشد، ضرر تا یک میلیون دلار

·۲۵ آبان ۱۴۰۵۴ دقیقه مطالعه
نمایشی از اعتبارهای هوش مصنوعی سازمانی که ارزان فروخته می‌شوند در حالی که شرکت‌ها هزینه‌های بالا می‌پردازند
نمایشی از اعتبارهای هوش مصنوعی سازمانی که ارزان فروخته می‌شوند در حالی که شرکت‌ها هزینه‌های بالا می‌پردازند
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

گوگل برای اولین بار اکوسیستم LLM Mixers را با قیمت‌گذاری دقیق (۰.۱۰ تا ۲۵ دلار) و نقش‌های تخصصی زنجیره تأمین (بروکرهای دسترسی، عامل‌های اینفواستیلر، میکسرها) به عنوان یک بازار جنایی ساختاریافته مستند کرده است.

گوگل در گزارش Q4 2026 گروه اطلاعات تهدید (GTIG) منتشره ۱۶ نوامبر، بازارهای غیرقانونی «LLM Mixers» را آشکار کرد که توکن‌های سازمانی دزدی را از قیمت ده سنت به ازای هر بسته می‌فروشند. قربانیان این حملات با صورت‌حساب‌های روزانه بیش از صد هزار دلار و بدهی‌های تجمعی تا یک میلیون دلار روبرو هستند. این زنجیره تأمین شبیه به روشی است که سارق‌اطلاعات VOLTA با سه مدل هوش مصنوعی ارزش قربانی را قیمت‌گذاری می‌کند و اعتبارها را برای فروش در میکسرها دسته‌بندی می‌کند.

رابط کاربری کیف پول ChatGPT که کیف پول دیجیتال برای خدمات هوش مصنوعی را نشان می‌دهد

LLMjacking چیست

LLMjacking سرقت اعتبارهای هوش مصنوعی شامل نام‌کاربری، رمزعبور و کلیدهای API است. با این اطلاعات، کاربر غیرمجاز می‌تواند محاسبات پرهزینه اجرا کند، استقرارهای مخرب مدیریت کند، داده‌های سازمانی را از حافظه مدل استخراج کند یا داده‌های آموزشی را مسموم نماید. اگر تقاضا از سقف اشتراک قربانی فراتر رود، مهاجمان هزینه‌های سنگین را بر عهده قربانی می‌گذارند.

گرافیک مفهومی با نمادهای محاسبه ابری، NFT و هوش مصنوعی

LLM Mixers: فروشگاه‌های غیرقانونی توکن

محققان GTIG با تحلیل تبلیغات فروشندگان در بازارهای روسی و چینی مشخصات زیر را استخراج کردند:

  • قیمت توکن برای کاربری تجاری بین ۰.۱۰ تا ۲۵ دلار متغیر است
  • فروشنده APIMart قیمت را پس از گذشت ۱۰۰,۰۰۰ توکن پنج‌برابر می‌کند
  • مدل‌های قیمت‌گذاری مبتنی بر اشتراک نیز وجود دارد
  • اعتبارهای نسخه آزمایشی رایگان بسیار ارزان‌تر از اعتبارهای سازمانی می‌فروشند
  • مدل‌های Jailbreak شده برای اهداف مخرب به وفور در دسترس‌اند
  • اکثر فروشندگان دسترسی به مدل‌های پیشرو آزمایشگاه‌های AI ارائه می‌دهند
  • قیمت‌ها به‌صورت پراکنده و وابسته به مدل و اعتبار موجود است

زنجیره تأمین غیرقانونی

این اکوسیستم شبیه اقتصاد سایبری سنتی با تخصص‌محوری کار می‌کند:

  • بروکرهای دسترسی اولیه: شبکه‌های قربانی را نقض می‌کنند
  • عامل‌های اینفواستیلر (Infostealer): اعتبارها را جمع‌آوری می‌کنند
  • LLM Mixers: زیرساخت و دسترسی برای سوءاستفاده از مدل‌های سازمانی فراهم می‌کنند

یک میکسر دسترسی و زیرساخت را عرضه می‌کند؛ شرکایش برای دسترسی اولیه نفوذ می‌کنند یا اعتبار دزدی از عامل‌های بدافزار می‌خرند. هزینه‌های بالا برای مدل‌های پیشرفته یادآور است که GPT-6 Sol صفر‌روز V8 را در ۱۳ دقیقه با ۴ دلار کشف کرد و نشان می‌دهد چرا توکن‌های این مدل‌ها در بازارهای غیرقانونی پرطلب‌ترین کالا هستند.

رابط کاربری GPT-6 Sol با نتایج تحلیل آسیب‌پذیری V8

تأثیر مالی بر سازمان‌ها

  • Sysdig برآورد می‌کند LLMjacking می‌تواند روزانه ۴۶,۰۰۰ دلار برای مدل‌های قدیمی و بیش از ۱۰۰,۰۰۰ دلار برای مدل‌های پیشرفته هزینه داشته باشد.
  • Mandiant حادثه‌هایی را ثبت کرده که استفاده غیرقانونی در ۲۴ ساعت فراتر از ۱۰۰,۰۰۰ دلار بوده و بدهی تجمعی در برخی سازمان‌ها به یک میلیون دلار رسیده است.

استراتژی‌های حفاظت پیشنهادی

سازمان‌ها باید تدابیر زیر را همانند امنیت SaaS و ابری اعمال کنند:

  • اعمال محدودیت سخت‌گیرانه صدور توکن برای هر سرویس و حساب AI
  • فعال‌سازی هشدار خودکار بر اساس افزایش ناگهانی مصرف برای جلوگیری از بیل‌های خارج از کنترل
  • استفاده از مدیر اسرار (Secrets Manager) برای ذخیره و چرخش امن کلیدهای API
  • انجام بازرسی‌های منظم جهت کشف پرسش‌های مخفی، پیکربندی‌های نادرست و حساب‌های سایه
  • پیاده‌سازی احراز هویت چندعاملی (MFA) مقاوم در برابر فیشینگ
  • گسترش حفاظت‌های ضدفیشینگ در کل سطح حمله

گوگل توصیه می‌کند این اقدامات را برای دشوارکردن کسب‌وکار سرقت اعتبار و تهاجم به حساب‌ها و شبکه‌ها به کار بگیرند. اقتصاد این حملات به‌صورت نامتعادل طراحی شده: مهاجمان با چند سنت دسترسی خریداری می‌کنند در حالی که قربانیان هزاران دلار هزینه متحمل می‌شوند. این شکاف تا زمانی که اعتبارهای AI با حساسیت داده‌های کارت پرداخت یا کلیدهای پایگاه داده تولیدی مدیریت نشوند، ادامه خواهد یافت.

چرا این موضوع مهم است؟

این گزارش نشان می‌دهد که سرقت اعتبار هوش مصنوعی از سوءاستفاده فرصت‌طلبانه به یک اقتصاد جنایی سازمان‌یافته با زیرساخت اختصاصی تبدیل شده است. سازمان‌ها باید اعتبارهای AI را با همان حساسیت داده‌های مالی و کلیدهای تولیدی محافظت کنند.

تأثیر برای ایران

سازمان‌های ایرانی که از مدل‌های پیشرفته از طریق واسطه‌ها یا حساب‌های خارجی استفاده می‌کنند، باید سقف هزینه و مانیتورینگ توکن را در سطح حساب API اعمال کنند تا از بیل‌های غیرمنتظره جلوگیری شود.

·نگاه ما
تحریریه دات‌هوش

نامتعادلی اقتصادی LLMjacking — مهاجمان با پنی‌ها دسترسی می‌خرند، قربانیان هزاران دلار می‌پردازند — تنها با تغییر فرهنگ امنیتی و اعمال سقف‌های سخت‌گیرانه هزینه قابل مهار است. تیم‌های امنیت باید بلافاصله حسابداری توکن و تشخیص ناهنجاری را در تمام حساب‌های AI فعال سازند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.