PulseAugur
中
实时 09:57:51
实体 LLMjacking

LLMjacking

PulseAugur coverage of LLMjacking — every cluster mentioning LLMjacking across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
5
90 天内 8
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/1 页 · 共 8 条
  1. RESEARCH · CL_362998 ·

    Google 记录首个全自动 AI 攻击;Windows 追踪编码代理

    Google 的威胁情报小组已识别出首个全自动网络攻击管道,利用 ARTEX 和 CAIRN 等多代理框架在无人干预的情况下发现并利用漏洞。此前,LLMJacking 事件激增,模型访问权限被盗用导致每日欺诈性收费超过 10 万美元。此外,据报道,Windows 11 的一项新组件会记录开发者工具的使用情况,研究表明许多 AI 模型难以准确评估自身确定性,一些模型在被要求评估代码时会生成高比例的攻击。

  2. TOOL · CL_351396 ·

    Mozilla Thunderbird 邮件服务即将推出,现已开放早期访问

    Mozilla 的 Thunderbird 邮件服务即将推出,现已开放早期访问。该服务旨在提供安全且用户友好的电子邮件体验。此举是 Mozilla 在软件和安全领域更广泛努力的一部分,该集群中的其他新闻涵盖了 AMD 的处理器进展、Microsoft 产品中的安全漏洞以及各种开源软件更新。

  3. MEME · CL_348385 ·

    网络罪犯利用LLMJacking窃取用户付费的AI Token

    网络罪犯正在利用一种称为LLMJacking的技术,该技术涉及使用由用户付费的AI Token。这种方法使恶意行为者能够利用AI模型达到自己的目的,而无需承担直接成本。这种做法凸显了人们对AI技术被滥用于非法活动的日益增长的担忧。

  4. TOOL · CL_338074 ·

    MIT研究人员演示无需梯度即可编辑原始模型权重的LLM

    MIT的研究人员演示了一种名为“权重空间编程”(Weight-Space Programming)的新技术,其中一个大型语言模型GPT-6 Astra可以直接读取和编辑另一个模型Qwen3.5-0.8B的原始权重。这种不依赖于传统基于梯度的训练的方法,通过识别和纠正一个循环问题,显著提高了Qwen3.5-0.8B在MATH-500和GSM8K等基准测试上的性能。该技术在从头开始创建游戏AI代理方面也显示出潜力,其表现优于标准训练方法,…

  5. COMMENTARY · CL_297214 ·

    Google 警告 LLMjacking 威胁推高企业 AI 成本

    Google 分析师正在警告一种日益增长的威胁,称为 LLMjacking,网络犯罪分子窃取 AI 凭证来利用企业的 AI 服务。这种非法活动会显著增加公司的 AI 支出。被盗的凭证正在地下市场上交易,导致企业承担意外的成本。

  6. TOOL · CL_284959 ·

    AI安全威胁上升:LLMjacking、技能提升需求和新的iPhone诈骗防护

    Google 分析师警告称,“LLMjacking”(被盗AI凭证在黑市上出售)激增,导致企业成本增加。此外,Pearson 收购 Workera,以帮助公司评估和提升员工的AI技能,满足关键的技能提升需求。另外,Apple 的 iOS 27 包含一项新的“仿冒风险检测”功能,旨在通过标记可疑活动来保护 iPhone 用户免受诈骗。

  7. RESEARCH · CL_275919 ·

    LLM被利用进行数据渗漏和API劫持

    一种新的攻击向量,称为LLMLeak,允许恶意软件通过将秘密嵌入到LLM抓取信息的URL中来渗漏数据。该方法利用LLM合法的网页抓取工具绕过典型的安全措施,在评估中取得了很高的成功率。另外,LLMjacking,一种更广泛的攻击,涉及劫持对LLM API的访问,这可能导致重大的财务损失、数据泄露,甚至通过受损的自定义模型进行数据投毒。

  8. TOOL · CL_214765 ·

    黑客通过LLMjacking利用AI造成巨额账单;Framework笔记本电脑泄露客户数据

    黑客正在通过一种称为“LLMjacking”的技术利用AI系统,给企业造成重大的财务损失。该方法涉及破坏企业AI模型,然后生成巨额账单,据报道高达数十万美元。另外,一个供应链风险已经出现,Framework笔记本电脑通过Metabase平台暴露了客户数据,凸显了数据处理和第三方集成中的漏洞。