SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Bezpieczeństwo

Zatruta wersja LiteLLM przeszła przez oficjalny proces wydań z kradzionymi tokenami GitHuba

21 października przez niecałe dwie godziny PyPI serwowało zatrutą wersję 1.107.0 LiteLLM, zbudowaną przez oficjalny proces wydań projektu. Napastnik miał tokeny GitHub CLI trzech deweloperów, więc zdjął ochronę gałęzi i podpiął wydanie pod podróbkę repozytorium, a paczkę pobrano około 49 tysięcy razy. Tokeny mogły wyciec z logów, w których Claude Code zostawiał je w odpowiedziach. Odinstalowanie przez pip znów uruchamia złodzieja kluczy, więc pliki trzeba usunąć bez Pythona i wymienić wszystkie sekrety.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Bezpieczeństwo  ·  4 min  · 

Zatruta wersja LiteLLM przeszła przez oficjalny proces wydań z kradzionymi tokenami GitHuba
Ilustrację przygotowała AI.

Kto w środę 21 października między 11:39 a 13:23 czasu UTC zainstalował albo zaktualizował LiteLLM, dostał wersję 1.107.0, a razem z nią złodzieja danych logowania i tylne drzwi. LiteLLM to biblioteka i bramka w Pythonie, przez którą aplikacje i agenty rozmawiają z OpenAI, Anthropikiem czy Gemini za pomocą jednego API, więc tam, gdzie działa, zwykle leżą klucze do wszystkich tych dostawców. W czerwcu pisałem o trzech dziurach w samym kodzie LiteLLM. Tym razem kod był czysty, a zatruta była paczka, którą zbudował i podpisał oficjalny proces wydań projektu.

Z tej historii zostaje mi przede wszystkim jedno: zabezpieczenia, które LiteLLM postawiło po marcowym włamaniu, zadziałały dokładnie tak, jak je zaprojektowano, i każde z nich przepuściło napastnika, bo miał prawdziwe klucze. Kto przejrzałby tag 1.107.0 na GitHubie, zobaczyłby legalne wydanie.

Złośliwy kod startował razem z każdym Pythonem

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

LiteLLM: zatrute wydanie 1.107.0 zaczęło się od klucza, którego nikt nie unieważnił
Bezpieczeństwo

LiteLLM: zatrute wydanie 1.107.0 zaczęło się od klucza, którego nikt nie unieważnił

5 min

Zatrute wydanie LiteLLM 1.107.0, które 21 października przez niecałe dwie godziny pobrano z PyPI około 49 tysięcy razy, zaczęło się od klucza głównego, który projekt sam opublikował na GitHubie w maju i przez 136 dni nie unieważnił. Napastnik wyciągnął nim z platformy agentów token konta właściciela organizacji, ukradł tokeny dwóch opiekunów projektu i obszedł regułę dwóch osób, bo obie zgody dał sam. Kto zainstalował tę wersję, powinien unieważnić każdy klucz z tamtej maszyny, a reszta z nas powinna sprawdzić, jakie uprawnienia dostali nasi agenci.

Trzy dziury w LiteLLM: od zwykłego konta do shella na serwerze
Bezpieczeństwo

Trzy dziury w LiteLLM: od zwykłego konta do shella na serwerze

7 min

Badacze z Obsidian Security pokazali w połowie czerwca, że w LiteLLM, pośredniku zbierającym klucze do OpenAI, Anthropica czy Gemini pod jednym interfejsem, da się z konta zwykłego użytkownika dojść do roli admina i uruchomienia własnego kodu na serwerze. Łańcuch trzech podatności dostał ocenę CVSS 9,9, a komplet poprawek jest dopiero w wydaniu v1.83.14-stable. Najgroźniejsze nie jest to, że atakujący odczyta wszystkie klucze i prompty, ale że siedząc między agentem a modelem potrafi przerabiać jego odpowiedzi w locie.

Leanstral 1.5 dowodzi twierdzeń matematycznych i przy okazji znajduje błędy w prawdziwym kodzie
Model / Badania

Leanstral 1.5 dowodzi twierdzeń matematycznych i przy okazji znajduje błędy w prawdziwym kodzie

3 min

Leanstral 1.5, wypuszczony 6 lipca przez Mistrala na licencji Apache-2.0, zachowuje się jak agent programistyczny, tylko że jego robotą są dowody w Lean 4: proponuje kod, czyta uwagi kontrolera i poprawia próbę, aż dowód przejdzie. Puszczony na 57 repozytoriów, wyłapał pięć błędów, których nikt wcześniej nie zgłosił na GitHubie. Mistral podaje komplet punktów na miniF2F i 587 z 672 zadań PutnamBench, a przede wszystkim około 4 dolary za zadanie wobec 300 dolarów u konkurencyjnego Seed-Prover 1.5. Tyle że nikt tych wyników jeszcze niezależnie nie powtórzył.