تستخدم حملات LLMjacking بيانات اعتماد سحابية مؤسسية مخترقة لتشغيل أحمال عمل النماذج على حساب الضحية. تبلغ الفواتير المبلَّغ عنها ما يصل إلى 100,000 دولار يوميًا، وقد ربطت Google إحدى الحالات بنحو مليون دولار من رسوم الذكاء الاصطناعي السحابية. لا تستغل الهجمات النماذج نفسها؛ بل تسيء استخدام بيانات اعتماد صالحة لتوفير سعة استدلال، ما يجعل الإنفاق الناتج يبدو كاستخدام عادي حتى تصل الفاتورة.
بالنسبة لفرق الهندسة، الدرس التشغيلي هو أن استهلاك الـ token ينتمي إلى خط أنابيب التليمترية الأمنية إلى جانب سجلات المصادقة ومسارات تدقيق الـ API. حجم الاستدلال هو أحد الإشارات القليلة التي تتحرك فورًا عند إساءة استخدام بيانات الاعتماد، وهو يُجمَع بالفعل لأغراض الفوترة. وربط إنفاق الـ token لكل مفتاح بهوية المستدعي والموقع الجغرافي ووقت اليوم يمنح سطح كشف لا يعتمد على أدوات المهاجم.
لا يحدد التغطية أي مزوّدي سحابة أو نقاط نهاية نماذج تأثروا خارج الحالة المرتبطة بـ Google، ولا كيف جرى الحصول على بيانات الاعتماد في البداية. كما أنه من غير الواضح ما إذا كانت الأرقام المبلَّغ عنها تمثل حوادث منفردة أم مجاميع. على الاستوديوهات التي تشغّل أنظمة agent أن تتعامل مع مفاتيح الوصول إلى النماذج كأسرار إنتاجية: تحديد نطاقها لكل حملة عمل، وتدويرها، وتحديد سقف للإنفاق لكل مفتاح، والتنبيه عند شذوذ الاستهلاك بدلًا من انتظار مراجعة الشؤون المالية.