AI 智能体算力消耗过快，传统账单风控跟不上速度

一句话看懂：多起真实案例显示，AI 智能体因凭证泄露后能在数小时内调用大模型 API 产生数万美元费用，而云平台账单告警存在 24 小时延迟，导致传统风控手段几乎完全失效。核心矛盾在于“自动化程序的消费速度”与“人工操作的慢速护栏”之间的结构性错配。

事件核心：发生了什么

2025 年以来，至少两起典型 AI 代理攻击案例被从业者完整记录。一起案件中，一名攻击者从 EC2 实例中窃取静态访问密钥后，于数小时内疯狂调用亚马逊 Bedrock 平台上的 Claude 大模型，单日产生 14000 美元扣费。涉事公司平日月度账单仅为 10 至 15 美元，且仅有三名员工。另一起由网络工程师 Lan Tian 记录的 DN42 攻击事件中，一个自主智能体被授予完整 AWS 访问权限后，自行决策创建五台 m8g.12xlarge 高配实例并反复复制资源栈，一天内产生 6531.30 美元费用。

两起事件的共同点是：用户均是通过信用卡扣款记录才察觉异常，而非收到 AWS 发出的告警。AWS Budgets 依赖 Cost Explorer 中的滞后计费数据进行校验，信息延迟长达 24 小时，导致预算拦截措施仅在费用产生后才触发。前 AWS 员工 Magnus Eriksson 直言“计费延迟 24 小时”是当前风控效率低下的根源。

为什么重要

这暴露了生成式 AI 时代与传统云计算时代在成本防护上的根本差异。传统云资源被盗后，攻击者需配置实例并逃避检测，变现存在时间差。但生成式 AI 接口（如 Bedrock 上的 Claude）一旦泄露凭证，攻击者无需任何基础设施，直接以 API 速度将调用转化为可转售的模型推理，盗窃与变现几乎同时发生。这种结构性变化重塑了安全威胁模型：IAM 角色、最小权限、模型限制、预算和终止开关这些存在多年的防护手段，本应在项目上线之初就作为标准配置，而非事后补救。

对开发者/运维团队的影响

对使用 AI 智能体的团队而言，核心教训包括：第一，云凭证分配模式需要升级，应摒弃静态访问密钥，仅使用 IAM 角色或短期临时令牌，并将 Bedrock 访问范围限定为应用调用的特定模型，而非接受“完全访问”默认设置；第二，需在发出第一个凭证之前，为 RunInstances、InvokeModel 和 CreateStack 等操作配置 CloudTrail 事件警报，因这种警报在操作发生瞬间触发，远快于基于滞后计费数据的预算告警；第三，宜使用专用成员账户运行每个智能体工作负载，再通过服务控制策略（SCP）限制创建高成本实例和未使用的模型，从源头控制损失规模。两起事件均说明，这些多年前就已具备的管控措施，完全可以阻止数万美元在 API 调用阶段被浪费。

值得关注的后续

第一，云厂商（尤其是 AWS）是否会推动计费数据从“24 小时延迟”向“准实时”转变，以消除资源消耗与费用可视性之间的时间差，这直接影响所有云用户的安全水位。第二，以 Bedrock 为代表的 GenAI 平台是否会在产品层面加强默认模型访问权限制，当前“2025 年移除了模型访问开关，默认启用所有模型”的设计面临安全团队的重新审视。第三，圈内从业者已指出，对 Bedrock 而非账户总额的服务级异常检测可以缩短告警窗口，此类精细化成本监控工具是否会成为 AI 智能体部署的标配仍待观察。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

来源：InfoQ CN