การแฮ็ก AI
แหล่งข้อมูลด้านความปลอดภัยของ AI

การรักษาความปลอดภัยของ LLM API

Best practices for securing LLM API endpoints - authentication, rate limiting, key management, and cost control

Updated: August 2026

LLM API Threat Landscape

การเปิดเผยคีย์ API

Hardcoded keys in source code, client-side exposure, or leaked credentials

การใช้การจำกัดอัตรา

การโจมตีอัตโนมัติที่ใช้โควต้า API หรือทำให้เกิดการปฏิเสธการบริการ

การโจมตีด้านต้นทุน

การจัดการอย่างรวดเร็วทำให้เกิดการใช้โทเค็นมากเกินไปและค่าใช้จ่ายที่ไม่คาดคิด

ข้อมูลรั่วไหล

ข้อมูลที่ละเอียดอ่อนในการแจ้งเตือนหรือการตอบกลับที่เปิดเผยผ่านบันทึก

วิธีการตรวจสอบสิทธิ์

คีย์ API

  • สร้างคีย์ที่ไม่ซ้ำกันต่อผู้ใช้/แอปพลิเคชัน
  • ใช้ตัวแปรสภาพแวดล้อมสำหรับการจัดเก็บข้อมูล
  • หมุนเวียนคีย์เป็นประจำ (30-90 วัน)
  • ดำเนินการเพิกถอนคีย์

OAuth 2.0

  • ใช้งานสำหรับแอปพลิเคชันที่ต้องเผชิญหน้าผู้ใช้
  • ใช้โทเค็นการเข้าถึงที่มีอายุสั้น
  • การใช้โทเค็นการรีเฟรช
  • คำจำกัดความของขอบเขตที่เหมาะสม

JWT Tokens

  • เวลาหมดอายุสั้น
  • อัลกอริธึมการลงนามที่แข็งแกร่ง
  • การตรวจสอบการอ้างสิทธิ์ที่เหมาะสม
  • การสนับสนุนการเพิกถอนโทเค็น

การจำกัดอัตราและการควบคุมปริมาณ

ขีดจำกัดตามโทเค็น

  • ติดตามอินพุต + โทเค็นเอาต์พุต
  • กำหนดขีดจำกัดต่อนาที/ต่อวัน
  • ใช้หน้าต่างแบบเลื่อน
  • ใช้ค่าเผื่อการระเบิด

การควบคุมต้นทุน

  • Budget alerts (various thresholds)
  • โควต้าต่อผู้ใช้
  • การประมาณโทเค็นก่อนคำขอ
  • ฮาร์ดแคปพร้อมเซอร์กิตเบรกเกอร์

แนวทางตามลำดับขั้น

  • ระดับฟรี: ข้อจำกัดที่เข้มงวด
  • พื้นฐาน: ขีดจำกัดปานกลาง
  • Pro: ขีดจำกัดที่สูงขึ้น
  • องค์กร: ข้อตกลงที่กำหนดเอง

ความสามารถของโมเดล:

ผู้ให้บริการ คุณสมบัติหลัก การจำกัดอัตรา ความปลอดภัย
OpenAI โมเดล GPT, Assistants API RPM ตามระดับ SOC 2, การจัดการคีย์ API
Anthropic Claude การใช้เครื่องมือ ตามโทเค็น มี SOC 2, HIPAA
Google Gemini, Vertex AI โควต้าโครงการ SOC 2, HIPAA, ISO
AWS Bedrock แบบจำลองหลายแบบ ตามบัญชี AWS IAM, VPC, การเข้ารหัส

การรักษาความปลอดภัย LLM ที่โฮสต์ด้วยตนเอง

การแยกเครือข่าย

  • ปรับใช้ใน VPC/เครือข่ายส่วนตัว
  • ใช้กฎไฟร์วอลล์
  • ไม่มีการเข้าถึงอินเทอร์เน็ตสาธารณะ
  • VPN สำหรับการจัดการ

การรักษาความปลอดภัย API

  • เปิดใช้งานการรับรองความถูกต้อง
  • ใช้ TLS/SSL
  • ใช้คีย์ API
  • การจำกัดอัตรา

การป้องกันโมเดล

  • ไฟล์โมเดลที่เข้ารหัสที่เหลือ
  • การโหลดโมเดลที่ปลอดภัย
  • ไม่มีการส่งออกแบบจำลอง
  • การบันทึกการเข้าถึง

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

รายการตรวจสอบแนวทางปฏิบัติที่ดีที่สุด

  • ใช้ตัวแปรสภาพแวดล้อมสำหรับคีย์ API
  • หมุนเวียนคีย์เป็นประจำ
  • การจำกัดอัตราการใช้งาน
  • ตั้งค่าการแจ้งเตือนต้นทุน
  • การใช้ API ของบันทึก
  • ใช้ HTTPS
  • ตรวจสอบอินพุต
  • ฆ่าเชื้อเอาต์พุต
  • AH
    AI Hacking Team

    The AI Hacking team researches and documents AI/LLM security vulnerabilities, red teaming techniques, and defensive strategies. Our guides are based on real-world pentesting experience and continuous monitoring of the AI security landscape.

    Stay Ahead of AI Security

    Get the latest AI/LLM security research, OWASP updates, and new vulnerabilities delivered straight to your inbox.