据对该活动的报道，Mandiant 将 LLMJacking 归因于被窃取的云凭证，攻击者利用这些凭证在受感染的账户上运行推理工作负载。据报道的后果是账单暴露达到每日 10 万美元或更多。另一篇报道从犯罪方描述了同样的模式：被劫持的 LLM 访问权限被用来在他人账户上累积费用。
对于交付 agent 的团队来说，这一界定很重要。这里的成本暴露首先不是预算或限流问题，而是凭证窃取和出站流量问题。agent 技术栈持有长期云密钥、模型提供商 API 密钥和服务账户令牌，其中任何一项泄露都足以将支出转移到攻击者的工作负载上。仅限制每请求或每用户支出的 guardrail 无法应对被盗密钥在应用边界之外被使用的情况。
实际的应对措施在于身份与监控：用短期凭证替代静态密钥、按服务限定权限、对推理量和出站流量进行异常检测，以及将告警与提供商侧用量挂钩，而不仅仅依赖内部仪表盘。所提供报道未能确定的是具体使用的凭证路径、涉及的受害者，或检测是如何执行的，因此这些细节仍不明确，在设计控制措施时不应假设。
Behzat AI 将此视为 agent 系统的设计约束：凭证范围和可观测性是架构的一部分，而非事后补充。