网络黑市的交易清单上，最抢手的商品已经从信用卡数据和社交账号，悄然变成了大模型的访问权限。谷歌威胁情报团队最新披露的信息显示，一场围绕AI使用权的暗网经济正在快速膨胀——攻击者以极低的成本获取顶级AI模型的调用权限，甚至盗用企业托管服务器的算力来运行自己的模型。这种被称为“LLM劫持”的新型攻击模式，正在改写网络安全的攻防规则。对于正在加速部署AI技术的企业来说，这无疑是一记及时的警报：当算力成为硬通货，你的AI系统也可能成为被觊觎的数字金矿。
AI访问权黑市：折扣高达97%的“地下生意”
谷歌威胁情报团队首席分析师约翰·霍特奎斯特在谈及暗网AI交易时，用了一个颇为直白的表述：“我们在地下市场看到，一个围绕AI使用权限形成的经济体系在不断壮大。”这不是个别黑客的偶发行为，而是正在形成产业化的地下供应链。在暗网论坛和加密通讯群组中，出售Anthropic、谷歌和OpenAI等公司AI模型访问权限的广告比比皆是，折扣幅度最高达到惊人的97%。这意味着，一个正规渠道每月收费200美元的ChatGPT或Claude最高级版本，在黑市上可能只需几美元就能获得访问权限。
这种价格差的背后，是攻击者对AI技术商业逻辑的深度理解。他们手中的“货品”并非自己开发的模型，而是通过盗取的登录凭据或非法注册的账号，将成本几乎降为零。霍特奎斯特指出，AI实验室虽然会监测滥用迹象并封禁可疑账户，但卖家们已经发展出应对策略——推出“保证访问”服务，承诺初始账户一旦被封禁，就直接提供新的登录凭据，且不额外收费。这种像正规SaaS服务一样完善的售后机制，正说明黑市交易已经相当成熟。对于预算有限却又想使用AI技术实施攻击的组织来说，暗网提供的这种低价入口极具吸引力。
值得注意的是，这种廉价访问权的交易，让攻击者在与防御方对抗时拥有了不对称的成本优势。正如霍特奎斯特所言：“归根结底，这些做法让他们在与我们对抗时拥有某种经济或效率优势，因为他们能以低得多的价格获得这些token。”当防御方为每一千个token支付高昂的API费用时，攻击者却在用近乎免费的方式算力储备，这种失衡正在改变网络攻防的博弈格局。
LLM劫持暗流涌动：从盗号到盗算力
今年的“LLM劫持”活动明显增多，具体表现在两个方面：一是倒卖公开AI工具的被盗登录凭据，二是部分团体盗用他人算力，以免费运行自己的模型。前者是传统账号盗窃的延伸，后者则更具技术含量，也更难防范。霍特奎斯特从事网络安全工作已20年，他对这一趋势的判断是——攻击者正在将大型语言模型视为一种需要抢占的“关键基础设施”。
盗用算力的手法，与早年间黑客劫持电脑挖矿加密货币有诸多相似之处。一些犯罪团体和国家支持的组织，会入侵企业托管在云端的服务器，然后在受害者的系统上植入自己的AI模型，利用租来的GPU和TPU资源进行推理或训练。这种做法的隐秘性极高，因为许多企业自己都还在摸索AI的用算量到底应该是多少，突然增加的算力消耗很难被识别为异常。霍特奎斯特特别点出了其中的盲区：“你可能会觉得算力使用量突然大增是完全正常的事，因为你刚采用了这些AI基础设施。确实，这就是藏在噪声中的机会。”
这种新兴的网络攻击形态，给企业的科技产品安全管理带来了全新挑战。以前，安全团队只需要盯着数据是否泄露、系统是否被入侵；现在，他们还需要关注算力账单上微妙的数字变化。更棘手的是，被劫持的算力往往被用于运行攻击性AI——撰写钓鱼邮件、生成恶意代码、分析漏洞情报。也就是说，受害者的算力正在被用来攻击自己或他人。这种“借刀杀人”的模式，让网络安全防御变得异常复杂。当AI Agent技术开始被用于自动化攻击链时，被劫持算力的破坏力还将进一步放大。
企业自建AI系统的安全悖论
霍特奎斯特的警告中，有一条特别值得注意：越来越多大型企业希望把定制AI模型部署在自有服务器上，不再向云服务商租用算力，而这一趋势正在创造出新的攻击面。“如果你需要自己为算力付费，而且成本可能非常高……这部分算力就会成为威胁行为者眼中的重要潜在资源。”
这其实是一个安全悖论。企业选择自建AI，往往出于数据隐私和合规考虑——AI模型在处理敏感数据后，如果留在云端，可能面临数据出境的监管风险。然而，当企业将模型权重和推理服务部署在自己的服务器上时，就等于把高价值的算力资产搬到了攻击者的射程之内。和安全团队管理的普通服务器不同，AI推理服务器通常配备高端GPU，峰值功耗和发热量都远超常规设备，这些特征会让攻击者像发现金矿一样兴奋。
更令人担忧的是，企业对于“正在使用多少AI算力”普遍缺乏精确的感知。许多企业的AI部署仍处于试验或并行运行阶段，连内部团队都难以区分正常负载与异常劫持的差别。攻击者恰恰利用了这种模糊性——他们不需要完全控制服务器，只需要在空闲时段分一杯羹，就足以获得可观的算力。对于企业数字化转型过程中的数字基础设施来说，这种隐蔽性的资源窃取比直接的勒索攻击更难发现，也更具长期的破坏性。企业可能需要重新审视自己的算力监控体系，将AI负载纳入安全运维的核心范围。
勒索、间谍与暗网生意的生态链条
黑客们如此热衷于获取AI模型访问权限，当然不只是为了算力本身。在网络犯罪的黑话词典里，大模型已经成为一种战略资源。勒索团伙用AI生成更加难辨真伪的钓鱼邮件，或者利用AI分析目标企业的网络拓扑和财务数据来定制攻击策略；网络间谍组织则借助AI的语言理解和情报分析能力，从大量泄露的文档中快速提取有价值的内容，甚至用AI撰写符合目标语言习惯的诱骗信息。
值得注意的是，暗网上流通的AI访问权限与传统的“卖肉鸡”不同，它提供的是即时可用的智力资源。一个不具备高超技术能力的菜鸟黑客，只需要通过暗网买到合法的Claude或GPT-4访问权限，再配合现成的提示词模板，就能发动一场高质量的社工攻击。这种“AI平民化”的副作用，正让网络犯罪的门槛大幅降低。与此同时，高端AI模型在代码分析方面的能力，也让攻击者能够自动扫描和发现目标网站中的零日漏洞。
霍特奎斯特所在的谷歌威胁情报团队，长期跟踪这类活动，他们认为一个围绕AI使用权限的完整生态链已经成型：上游是窃取凭据的中间商，中游是批发转售的黑市卖家，下游则是形形色色的攻击执行者。这个链条上甚至分化出了不同角色的专业化分工。对于网络安全行业来说，这是一个令人不安的信号：当AI技术的收益被恶意利用，它所带来的风险已经超出了传统网络安全框架的应对范围。或许，AI工具导航中的各类安全工具也需要前瞻性地整合AI风险监测能力。
防御AI滥用：一场技术、策略与认知的赛跑
霍特奎斯特分析认为，攻击者的最大优势并非高深的技术，而是利用了企业在采用AI技术过程中的“适应期”。当企业刚刚部署AI基础设施时，算力消耗的基线尚未建立，安全策略也处于磨合阶段。所以，企业应当尽快完成从“试水AI”到“安全运营AI”的转变。
具体而言，企业可以从几个维度着手。技术层面，建立精细的算力审计机制，对API调用量、GPU利用率和推理请求频率进行统计建模，一旦发现偏离基线的异常波动，立即启动调查。策略层面，对于租用的云算力，要严格管控API密钥的存储和轮换；对于自建服务器，则应将AI推理基础设施单独划分安全域，实施严格的网络访问控制。此外，供应商层面，AI服务提供商也需要进一步完善异常行为监测，将盗用凭据的识别精度从IP和频率特征，升级到模型行为的语义特征层面。
在更宏观的层面，企业需要理解，安全不再是IT部门单打独斗的“成本中心”，而是AI战略的基石。当你决定用AI画图生成营销素材、用大模型辅助代码审查、用AI客服提升用户体验的同时，也应该把AI安全纳入全生命周期管理。未来，随着AI技术向更多核心业务渗透，安全预算与AI预算之间的界限将越来越模糊。那些能够将安全思维前置的企业，才能真正享受到AI技术带来的效率红利，而不会在攻击者的暗网清单上成为下一个目标。
从暗网的灰色交易到企业端的防御升级，AI技术的双刃剑效应从未如此清晰。当黑客们以3%的低价买下原本昂贵的智能算力时，他们获得的不仅是经济上的便宜，更是对抗中的主动权。面对这一大模型训练时代涌现的新型威胁，任何忽视AI安全的企业，都可能成为“藏在噪声中的机会”的受害者。而应对之道，在于企业必须意识到：AI时代的网络安全，本质上是一场认知和速度的赛跑。