Token 燃烧：针对大模型的新一类安全威胁浮出水面

据 IT Brew 报道，一种被命名为「token torching」的新型 AI 安全威胁进入公众视野。该攻击方式的核心思路是利用恶意输入，让大语言模型应用产生大量不必要的 token 消耗，从而推高使用成本、拖慢响应速度，甚至造成服务不可用。

什么是 Token 燃烧

「Token 燃烧」一词借用了传统网络安全中「denial of wallet（钱包拒绝服务）」的概念。与传统 DoS 攻击通过流量瘫痪系统不同，token torching 针对的是 LLM 的计费单位——token。攻击者通过构造特定 prompt、构造冗长上下文或触发模型反复生成的方式，让受害者的 API 账单在短时间内急剧膨胀。

潜在影响

对重度依赖 LLM API 的企业而言，token torching 可能带来三重风险：

• 财务风险：按 token 计费的模型可能让一次攻击产生数千美元的费用。
• 可用性风险：资源被异常占用，正常用户的请求被排队或超时。
• 声誉风险：响应质量下降会直接影响用户体验。

防御思路

业界常见的缓解手段包括设置单次请求的 token 上限、为用户配置速率限制、对异常 prompt 模式进行检测与拦截，以及在架构层引入缓存与异常熔断机制。

待观察

目前关于 token torching 的公开讨论仍以概念引入为主，尚缺乏来自主流安全研究机构或头部厂商的详细技术分析。其攻击手法、实际影响范围及标准化防御方案仍有待后续披露与验证。