Perusahaan yang memanfaatkan kecerdasan buatan (AI) perlu mewaspadai serangan siber bernama LLMjacking. Serangan ini memungkinkan pelaku menyalahgunakan akses ke layanan AI milik perusahaan untuk menggunakan sumber daya komputasi tanpa izin. Akibatnya, perusahaan tetap harus membayar biaya penggunaan layanan tersebut.

Google Threat Intelligence Group bersama Mandiant memperingatkan bahwa kerugian akibat serangan ini dapat mencapai angka yang signifikan. Dalam laporan yang diberitakan The Hacker News, keduanya mengungkapkan bahwa biaya penggunaan sumber daya secara ilegal dalam sejumlah insiden melampaui US$100.000 atau sekitar Rp1,6 miliar dalam satu hari. Akumulasi tagihan pada beberapa organisasi bahkan mencapai US$1 juta atau sekitar Rp16 miliar sebelum akses pelaku dicabut.

Apa Itu LLMjacking?

LLMjacking adalah bentuk pencurian sumber daya digital yang menargetkan layanan Large Language Model (LLM). Pelaku memanfaatkan kredensial yang dicuri atau terekspos untuk mengakses layanan AI dan menjalankan permintaan tanpa izin.

Berbeda dengan cryptojacking yang memanfaatkan perangkat korban untuk menambang mata uang kripto, LLMjacking berfokus pada penyalahgunaan akses ke model AI. Karena layanan AI berbasis cloud umumnya mengenakan biaya berdasarkan penggunaan, aktivitas pelaku dapat membuat tagihan perusahaan membengkak dalam waktu singkat.

Risiko LLMjacking meliputi:

• Lonjakan biaya penggunaan API dan layanan cloud.
• Penyalahgunaan kuota AI yang seharusnya digunakan untuk operasional perusahaan.
• Perluasan akses ke infrastruktur cloud dan data internal.
• Pencurian kredensial tambahan untuk mempertahankan akses.

Berawal dari Kredensial yang Bocor

Menurut Google dan Mandiant, salah satu jalur akses yang paling umum adalah kredensial identitas cloud yang dicuri atau terekspos. Informasi tersebut dapat berupa kunci API, token akses, kunci akun layanan, maupun token sesi aktif.

Pelaku dapat memperoleh kredensial melalui phishing, kebocoran kode sumber, kesalahan konfigurasi cloud, atau penyimpanan informasi autentikasi di lokasi yang dapat diakses publik.

Setelah mendapatkan akses awal, pelaku dapat menggunakannya untuk mengakses layanan AI, mencari kredensial tambahan, dan memperluas kendali terhadap infrastruktur perusahaan.

Google mengungkap kasus aktor ancaman bernama UNC6993 yang memanfaatkan kunci akun layanan dengan konfigurasi yang tidak aman untuk memperoleh akses ke API LLM. Pelaku kemudian membuat kunci API tambahan untuk memperluas operasinya hingga menghasilkan tagihan lebih dari US$100.000.

Pasar Gelap Akses AI Memperbesar Risiko

LLMjacking tidak hanya digunakan untuk memenuhi kebutuhan pelaku sendiri. Perkembangan serangan ini juga mendorong munculnya LLM Mixers, yaitu perantara yang menjual kembali akses ilegal ke layanan AI melalui infrastruktur mereka.

Salah satu layanan yang disebut dalam laporan tersebut adalah Jet Night, yang menawarkan paket token dengan klaim akses ke model AI tingkat lanjut seharga sekitar US$60 per bulan. Melalui skema ini, pihak lain dapat menggunakan layanan AI, sementara biaya sumber daya ditanggung oleh perusahaan korban.

Laporan Symantec dan Carbon Black juga mengungkap layanan perantara yang mengubah konfigurasi perangkat resmi OpenAI Codex dan Anthropic Claude Code agar permintaan dialihkan melalui server pihak ketiga. Perubahan tersebut mencakup penggantian kredensial dan penonaktifan sejumlah fitur keamanan.

Temuan ini menunjukkan bahwa penggunaan perangkat lunak resmi tidak selalu menjamin keamanan apabila konfigurasi dan jalur koneksinya diubah tanpa pengawasan.

Cara Mencegah Serangan LLMjacking

Perusahaan perlu memperkuat pengamanan identitas digital dan memantau penggunaan layanan AI untuk mencegah penyalahgunaan akses. Langkah yang dapat diterapkan meliputi:

• Melindungi kredensial: Hindari menyimpan kunci API dalam repositori publik atau kode aplikasi sisi klien. Gunakan pengelola rahasia digital dan cabut kredensial yang terindikasi bocor.
• Membatasi hak akses: Terapkan prinsip least privilege agar akun hanya memiliki izin sesuai kebutuhan operasional.
• Memantau penggunaan cloud: Periksa lonjakan permintaan API, penggunaan token, perubahan izin, dan tagihan yang tidak wajar.
• Memverifikasi layanan AI: Gunakan sumber instalasi tepercaya dan pastikan konfigurasi koneksi tidak diubah tanpa persetujuan.
• Menyiapkan respons insiden: Segera cabut akses mencurigakan, periksa log aktivitas, dan identifikasi kredensial tambahan yang mungkin dibuat pelaku.

Kasus LLMjacking menegaskan bahwa keamanan layanan AI tidak dapat dipisahkan dari pengelolaan identitas, kredensial, dan infrastruktur cloud. Tanpa pengawasan yang memadai, satu akses yang bocor dapat berkembang menjadi kerugian finansial besar sekaligus membuka peluang bagi pelaku untuk menjangkau sistem perusahaan lainnya.