隨着企業廣泛採用生成式 AI 及自主 AI 代理，AI 應用不但帶來效率提升，亦引入一項容易被忽略的風險：成本可能受到攻擊者操控。Kaspersky 將這類新型攻擊稱為 「Denial of Wallet」，即「耗盡錢包」攻擊。其概念類似傳統分散式阻斷服務（DDoS）攻擊，但攻擊目標並非單純令系統停止服務，而是大量消耗受害企業的 AI 運算資源及使用費用。
AI 使用成本為何難以預測？
傳統機器學習系統的資源消耗通常較穩定；一般聊天機械人亦主要由使用者主動發出指令，成本相對容易估算。然而，自主 AI 代理會自行規劃步驟、使用工具、分析資料及重試失敗的工作，直至完成指定任務。在
處理每一步工作時，AI 代理可能需要重新提交整個對話背景，包括原始指令、過往推理、讀取過的檔案及工具回應。當任務出現錯誤、重試或多個 AI 代理互相協作時，所消耗的 Token 數量便會迅速增加。同一項任務在不同情況下，Token 消耗量甚至可能相差數十倍。隨着 AI 服務供應商逐步採用按用量收費模式，企業若缺乏有效的成本監察及管理機制，可能要到月底收到帳單時，才發現某項流程的實際成本遠超預期。
攻擊者如何利用 AI 成本？
攻擊者可以向企業的 AI 系統提交大量內容，或透過錯誤報告、客戶查詢、產品評論及技術支援請求等外部資料，誘使 AI 代理執行複雜、重複或不必要的工作。由於這些流程通常是自動化運作，異常消耗未必能即時被發現。
攻擊者亦可能刻意設計冗長或具誤導性的輸入，令 AI 進行過度分析、持續重試，甚至陷入「思考循環」，從而大幅增加 Token 消耗及相關費用。這種攻擊不一定會導致系統即時中斷，但可能造成嚴重財務損失、影響系統穩定性，並增加營運風險。
企業應如何降低風險？
企業可採取以下措施，減少成為「耗盡錢包」攻擊受害者的機會：
- 只在具備明確效益的情況下使用自主 AI 代理
- 限制 AI 代理可使用的工具、權限及資料範圍
- 為每項任務、每日及每月 Token 使用量設定上限
- 設置即時通知，在用量或成本異常時提醒負責人員
- 嚴格驗證來自外部及不受信任來源的資料
- 限制輸入內容大小，並監察其所產生的系統負載
- 計算每項分析、查詢或檢查的單位成本，並定期核對服務供應商帳單
AI 安全不應只集中於防止資料外洩或模型遭入侵，亦必須涵蓋成本控制、權限管理及營運監察。透過適當的治理、監控及安全措施，企業才能在享受 AI 效益的同時，降低新型網絡攻擊所帶來的財務及營運風險。
