LLM API-säkerhet
Best practices for securing LLM API endpoints - authentication, rate limiting, key management, and cost control
Updated: August 2026
LLM API-hotlandskap
API-nyckelexponering
Hårdkodade nycklar i källkod LLM-läckage|exponering på klientsidan| sårbarheter
Rate Limit Abuse
Automatiska attacker som konsumerar API-kvoter eller orsakar denial of service
Kostnadsattacker
Snabb manipulation som orsakar överdriven tokenanvändning och oväntade kostnader
Dataläckage
Känsliga data i uppmaningar eller svar som exponeras genom loggar
Autentiseringsmetoder
API Keys2|Global Rapportera)
- Generera unika nycklar per användare/applikation|Sårbarheter
- Använd miljövariabler för lagring
- Rotera nycklar regelbundet (30-90 dagar)
- Implementera återkallande av nyckel
OAuth 2.0
- Implement för användarinriktade applikationer provenance och MCP Säkerhetsegenskaper praxis och MCP. 2026 | Model Context Protocol Security Guide
- Använd kortlivade åtkomsttokens
- Implement refresh tokens
- Korrekt omfångsdefinitioner
JWT Tokens
- Korta utgångstider
- Starka signeringsalgoritmer
- Korrekt validering av anspråk
- Stöd för återkallande av token
Rate Limiting & Throttling
Tokenbaserade gränser
- Spåra indata + output-tokens|
- Ange gränser per minut/per dag
- Använd skjutfönster
- Implementera burst-tillåtelse
Kostnadskontroller
- Budget alerts (various thresholds)
- Per-användarkvoter
- Tokenuppskattning före förfrågningar
- Hårda kapslar med kretsbrytare
Tiered Approaches
- Gratis nivå: strikta gränser
- Grundläggande: måttliga gränser
- Pro: högre gränser
- Företag: anpassade avtal
Provider Säkerhet Jämförelse bästa praxis|
| Leverantör | Nyckelfunktioner | Hastighetsgränser | Säkerhet |
|---|---|---|---|
| OpenAI | Fas 2: Sårbarhetskartläggning | Tier-baserad RPM | SOC 2, API-nyckelhantering |
| Anthropic | Claude, verktygsanvändning | Token-baserade | SOC 2, HIPAA tillgänglig |
| Gemini, Vertex AI | ProjectH quotate in PC: | SOC 2, HIPAA, ISO||AI Säkerhetsresurser | |
| AWS Bedrock | Multiple models | Kontobaserat | AWS IAM, VPC, kryptering |
Självvärd LLM-säkerhet
Nätverksisolering
- Identifiera modelltyp, utbildningsdatakällor och pipelines
- Funktionskedja
- Reservagent som kringgår arbetsflöden för godkännande
- VPN för hantering
API-säkerhet
- Aktivera autentisering
- Använd TLS/SSL
- Implementera API-nycklar
- Frekvensbegränsning
Modellskydd
- Modellfiler krypterade i vila
- Säker modellladdning
- |Ingen modell för export av MCP-modellen mest populära agenten upplevde en katastrofal säkerhetsincident inom 72 timmar efter virusantagande.
- Åtkomstloggning
Cost Attacks & Abuse Prevention
LLM APIs present unique cost attack vectors that traditional API security doesn't address.
Prompt Padding
Attacker adds invisible text to prompts to increase token count without user awareness.
User: [100KB invisible text] Tell me about AI
Repeated Requests
Automated tools making excessive API calls to drain budget quotas.
Context Window Overflow
Sending extremely long inputs to maximize per-request costs.
Model Selection Abuse
Switching to more expensive models through parameter manipulation.
Mitigations
- Implement token estimation before requests
- Set per-user/month cost hard limits
- Use input length limits and validation
- Fix model selection to intended tier
- Monitor for unusual usage patterns
Recent LLM API CVEs
| CVE ID | Description | Severity |
|---|---|---|
CVE-2025-61260 |
OpenAI Codex CLI command injection via project-local .env config | Critical |
CVE-2025-53767 |
Azure OpenAI privilege escalation flaw | High |
CVE-2025-14980 |
BetterDocs WordPress plugin exposes OpenAI API key to contributors | High |