سرقت کلیدهای API در شرکتهای زیرساخت AI؛ ۱۰۰ هزار حساب مشتری در خطر و خسارتهای میلیاردی
منتشرشده: · فناوری

هکرها با سرقت کلیدهای دسترسی API شرکتهای زیرساخت هوش مصنوعی، بهصورت غیرمجاز از مدلهای پیشرفته استفاده میکنند و هزینههای پردازشی را به حساب قربانیان منتقل میکنند. در حمله به Railway، بیش از ۳۷۱ هزار دلار رمزارز و ۷۵۰ هزار دلار هزینه پردازشی سرقت شد.
هکرها با نفوذ به زیرساخت شرکتهای زیرساخت هوش مصنوعی، کلیدهای دسترسی API را سرقت کرده و از مدلهای پیشرفته برای پردازشهای غیرمجاز استفاده میکنند. این روش، که به نام LLM Jacking شناخته میشود، باعث میشود هزینههای پردازش به حساب قربانیان منتقل شود.
در اواسط اکتبر، هکرها به شرکت Railway نفوذ کردند و هزاران حساب کاربری ایجاد کردند. سپس با دسترسی به زیرساخت، کلیدهای دسترسی حدود ۱۰۰ هزار حساب مشتری را سرقت کردند.
در این حمله، هکرها حدود ۳۷۱ هزار دلار رمزارز سرقت کردند؛ اما بخش بزرگتری از خسارت به استفاده غیرمجاز از قدرت پردازشی مربوط میشد: دستکم ۷۵۰ هزار دلار هزینه برای اجرای مدلهای هوش مصنوعی در سرویسهایی مانند آمازون بدراک، اوپنایآی، آنتروپیک و جمنای گوگل.
یک حمله مشابه به شرکت Zeabur، هکرها با کلیدهای سرقتشده حدود ۱۰۰ هزار دلار هزینه ایجاد کردند. گوگل هشدار داده است که خسارت چنین حملاتی برای یک سازمان ممکن است به یک میلیون دلار برسد.
بخشی از قدرت پردازشی سرقتشده ظاهراً در اختیار وبسایتهایی قرار میگیرد که دسترسی ارزانتر به مدلهای پیشرفتهی آمریکایی را میفروشند. این وبسایتها، که به ایستگاههای واسطه یا انتقال معروفاند، امکان استفاده از مدلهایی مانند محصولات اوپنایآی و آنتروپیک را برای کاربران کشورهایی با محدودیت دسترسی، از جمله چین، روسیه و ایران، فراهم میکنند.
به گفتهی شرکت تحلیل بلاکچین چینالیسیس، بیش از ۷۰۰ سرویس از این نوع در اینترنت فعالیت میکنند و پنج سرویس بزرگ آنها در مجموع نزدیک به ۶ میلیون دلار درآمد رمزارزی داشتهاند. برخی از این واسطهها دسترسی به مدلهای آمریکایی را با قیمتی حدود نصف تعرفهی رسمی میفروشند.
گردانندگان این سرویسها برای تامین دسترسی موردنیازشان از روشهای مختلفی استفاده میکنند؛ از سرقت اطلاعات حساب و کارتهای بانکی گرفته تا ساخت شرکتهای جعلی برای دریافت اعتبار رایگان استفاده از مدلها. در بعضی موارد نیز کلیدهای API مستقیماً از شرکتهای بزرگ با حسابهای سازمانی سرقت میشوند.
به گفتهی آنتروپیک، برخی ایستگاههای واسطه برای تکنیکی به نام «تقطیر» هم استفاده میکنند؛ روشی که در آن از پاسخهای یک مدل پیشرفته برای آموزش یا شبیهسازی مدلی دیگر کمک میگیرند. به این ترتیب، مهاجمان ممکن است از دسترسی سرقتشده برای جمعآوری حجم زیادی از پاسخهای مدلهای آمریکایی و ساخت نمونههای مشابه استفاده کنند.
کارکنان Railway هنگام حضور در یک دورهمی کاری، هشدارهایی دربارهی فعالیت غیرعادی در شبکهی شرکت دریافت کردند. مهاجمان با استفاده از نسخهای تغییریافته از ابزار حملهی هوش مصنوعی آرتکس، از محیط نرمافزاری ایزولهای که قرار بود اطلاعات مشتریان را از زیرساخت اصلی شرکت جدا نگه دارد، خارج شدند. سپس نسخهای از کد منبع شرکت را دانلود کردند؛ اطلاعاتی که مانند نقشهی راه، مسیرهای دسترسی به بخشهای مختلف سامانه را نشان میداد.
هکرها با استفاده از این اطلاعات راهی برای دسترسی به تعداد زیادی از حسابهای مشتریان پیدا کردند. آنها پس از نفوذ به هر بخش، تلاش میکردند کنترل کامل آن را به دست بگیرند و سپس به سراغ بخشهای دیگر بروند. یکی از مهندسان Railway این حمله را هجوم مداوم و بسیار گستردهای توصیف کرد که بهنظر میرسید بدون توقف ادامه دارد.
گزارشها نشان میدهد این حملات تنها به Railway محدود نبودهاند. شرکتهای امنیت سایبری از آغاز موج حملات مشابه به پلتفرمهای توسعهی هوش مصنوعی در اوایل اکتبر خبر دادهاند. در نمونهای دیگر، شرکت OpenCode نیز با حملهای مشابه روبهرو شد و مدیرانش گفتند برای مقابله با آن ناچارند شبانهروزی از ابزارهای هوش مصنوعی و عاملهای خودکار استفاده کنند.