LLMJacking: Hackers Invadem Contas de IA Empresariais e Deixam a Conta Para Você

Existe uma nova forma de golpe no mundo da cibersegurança, e ela se aproveita de algo que empresas estão adotando em ritmo acelerado: assistentes de inteligência artificial. O nome técnico é LLMJacking — sequestro de grandes modelos de linguagem — e o conceito é tão simples quanto devastador. Em vez de roubar dados ou criptografar arquivos para exigir resgate, o invasor simplesmente usa a conta de IA da vítima e deixa a empresa para pagar a conta.

A CrowdStrike divulgou essa semana os detalhes do fenômeno em seu Relatório de Caça Ameaças 2026, e os números são preocupantes. Em um caso documentado, um atacante fez quase 200 mil requisições de API em apenas dois minutos após comprometer uma chave de acesso de longo prazo em um serviço de nuvem. Cada uma dessas requisições pode representar um custo que a empresa invadida terá de assumir.

O relatório analisou atividades entre julho de 2025 e junho de 2026 e encontrou um aumento de 89% nas atividades de adversários usando IA. Técnicas de acesso a modelos de IA representaram 16% de todas as técnicas do MITRE ATLAS observadas no período — um índice que cataloga as táticas mais usadas por cibercriminosos.

Como funciona o LLMJacking

Para entender o golpe, vale explicar como funcionam os serviços de IA para empresas. Grandes provedores como OpenAI, Anthropic e Google cobram pelo uso de seus modelos com base no volume de dados processados — uma métrica chamada tokens. Uma empresa paga por milhão de tokens de entrada e saída, e o custo pode escalar rapidamente dependendo do volume de consultas.

Quando um atacante compromete uma chave de API ou uma identidade na nuvem de uma empresa, ele ganha acesso a esses modelos sem precisar pagar pelo próprio uso. É como se alguém encontrasse o cartão de crédito de uma empresa e começasse a fazer compras — exceto que as "compras" são requisições a modelos de IA que o invasor usa para seus próprios fins.

No caso documentado pela CrowdStrike, o atacante seguiu um roteiro metódico. Primeiro, verificou as permissões da conta comprometida. Quando foi bloqueado de acessar os modelos, obteve credenciais temporárias, elevou permissões e completou os requisitos necessários para liberar o acesso. Em seguida, começou a fazer chamadas em escala — durante um burst inicial de dois minutos, foram quase 200 mil requisições antes que o sistema de limitação (throttling) entrasse em ação.

Os ataques exploram chaves de API e identidades na nuvem que ficam ativas por muito tempo e acumulam permissões excessivas

Por que isso está acontecendo agora

A tendência não é aleatória. À medida que mais empresas integram IA em seus fluxos de trabalho — de atendimento ao cliente a desenvolvimento de software —, elas criam novas conexões, novas chaves de API e novas permissões na nuvem. Cada uma dessas conexões é um ponto potencial de entrada para ataques.

A CrowdStrike aponta que o ativismo de adversários usando IA aumentou 171% no período analisado. Os atacantes estão focando em ambientes de nuvem para roubo de credenciais, mineração de criptomoedas e abuso de modelos de linguagem. E o problema não é apenas técnico — é também financeiro. Um serviço de IA comprometido pode gerar custos enormes antes que alguém perceba o que está acontecendo.

O relatório também revelou que técnicas de acesso a modelos de IA representaram 16% das técnicas MITRE ATLAS observadas, e técnicas de impacto — como o Cost Harvesting — representaram 8%, sendo a técnica de impacto mais comum do período. Isso mostra que o abuso de IA não é mais um risco hipotético, mas uma realidade operacional.

Os sinais de alerta

A dificuldade de detectar esses ataques está no fato de que cada requisição individual parece legítima. Um login na nuvem usando um token válido não dispara alarmes. Uma chamada a um modelo de IA usando uma chave de API também não. O que muda é o padrão de atividade: um aumento súbito de requisições, modelos sendo acessados de forma incomum, regiões desconhecidas ou atividade fora do horário comercial.

Para empresas que monitoram eventos de segurança tradicionais, mas tratam o uso de IA apenas como uma questão de TI ou finanças, isso cria uma cega. A chave de acesso da conta de IA não é um dado que o time de segurança normalmente acompanha — e é exatamente ali que o invasor ataca.

A CrowdStrike também destacou que o tempo médio para correção de vulnerabilidades conhecidas aumentou para 43 dias. Isso significa que, mesmo quando uma falha é identificada e corrigida, os atacantes têm semanas para explorá-la antes que as empresas apliquem as correções.

Detectar LLMJacking exige monitorar padrões de uso de IA, não apenas eventos de segurança tradicionais

O que as empresas podem fazer

O primeiro passo é reconhecer que o acesso a modelos de IA é um ativo de segurança, não apenas um recurso técnico. Chaves de API, identidades na nuvem e tokens de acesso precisam ser tratados com o mesmo nível de proteção que senhas de administrador ou certificados digitais.

Algumas medidas práticas incluem:

• Monitorar padrões de uso — Definir alertas para picos incomuns de requisições, especialmente fora do horário comercial ou de regiões desconhecidas
• Limitar permissões — Aplicar o princípio do menor privilégio, garantindo que cada chave de API tenha apenas as permissões estritamente necessárias
• Rotacionar credenciais — Evitar chaves de longo prazo; usar credenciais de curta duração que expiram automaticamente
• Usar identidades baseadas em trabalho — Preferir identidades temporárias geradas pelo sistema a chaves estáticas
• Implementar revisão de ações — Configurar aprovações humanas para ações de alto impacto em serviços de IA

A CrowdStrike também recomenda que empresas implementem monitoramento específico para IA, incluindo rastreamento de quais modelos estão sendo acessados, de quais regiões e com que frequência. Isso pode parecer excessivo, mas o custo de não monitorar pode ser muito maior.

O quadro maior: IA como ferramenta e como alvo

O LLMJacking é parte de uma tendência mais ampla que a CrowdStrike identificou em seu relatório: a IA está se tornando simultaneamente uma ferramenta de ataque e um alvo de ataque. Do lado ofensivo, modelos de IA estão sendo usados para acelerar phishing, reconhecimento e operações técnicas. Do lado defensivo, os próprios sistemas de IA dentro das empresas viraram alvos.

Isso cria uma situação delicada para as organizações. A IA pode ajudar funcionários e desenvolvedores a trabalhar mais rápido, mas cada nova conexão com um serviço de IA também cria uma nova identidade, uma nova credencial, uma nova chave de API que precisa ser protegida.

A pergunta para os times de segurança, portanto, não se limita mais a se um invasor pode entrar em um sistema de IA ou roubar informações dele. Agora é também se o invasor pode silenciosamente transformar aquele acesso em uma fatura.

Com a IA se expandindo rapidamente em todas as áreas das empresas — de contabilidade a suporte técnico —, o LLMJacking representa uma evolução natural da economia do crime digital. Os hackers sempre encontraram formas de monetizar acessos comprometidos. Agora, eles descobriram que uma conta de IA pode ser tão lucrativa quanto um número de cartão de crédito — e muito mais difícil de monitorar.