一个名为UNC6426的威胁组织利用去年nx npm包供应链攻击中窃取的密钥,在72小时内完全入侵了受害者的云环境。
攻击始于开发者GitHub令牌的窃取,威胁组织随后利用该令牌获得对云环境的未授权访问并窃取数据。
Google在其2026年上半年云威胁地平线报告中表示:"威胁组织UNC6426随后利用这一访问权限滥用GitHub到AWS OpenID Connect信任关系,在云环境中创建了一个新的管理员角色。他们滥用该角色从客户的Amazon Web Services S3存储桶中窃取文件,并在其生产云环境中实施数据破坏。"
针对nx npm包的供应链攻击发生在2025年8月,当时未知威胁组织利用了一个易受攻击的pull_request_target工作流(这种攻击类型被称为Pwn Request)来获得提升的权限并访问敏感数据,包括GITHUB_TOKEN,最终将木马化版本的包推送到npm注册表。
这些包被发现嵌入了一个postinstall脚本,该脚本启动了一个名为QUIETVAULT的JavaScript凭证窃取器,通过武器化端点上已安装的大语言模型工具来搜索并获取环境变量、系统信息以及有价值的令牌,包括GitHub个人访问令牌。数据被上传到名为"/s1ngularity-repository-1"的公共GitHub仓库。
Google表示,受害组织的一名员工运行了使用Nx Console插件的代码编辑器应用程序,触发了更新过程,导致QUIETVAULT的执行。
据称,UNC6426在初次入侵两天后,使用窃取的个人访问令牌在客户的GitHub环境中开始侦察活动,使用名为Nord Stream的合法开源工具从CI/CD环境中提取秘密信息,泄露了GitHub服务账户的凭据。
随后,攻击者利用该服务账户并使用工具的"--aws-role"参数为"Actions-CloudFormation"角色生成临时AWS安全令牌服务令牌,最终使他们能够在受害者的AWS环境中获得立足点。
Google表示:"被入侵的Github-Actions-CloudFormation角色权限过度。UNC6426利用此权限部署了一个具有能力的新AWS堆栈。该堆栈的唯一目的是创建新的IAM角色并将管理员访问策略附加到其上。UNC6426在不到72小时内成功从窃取的令牌升级为完整的AWS管理员权限。"
拥有新的管理员角色后,威胁组织执行了一系列操作,包括枚举和访问S3存储桶中的对象、终止生产弹性计算云和关系数据库服务实例,以及解密应用程序密钥。在最后阶段,受害者的所有内部GitHub仓库都被重命名为"/s1ngularity-repository-[随机字符]"并公开。
为了对抗此类威胁,建议使用防止postinstall脚本或沙箱工具的包管理器,对CI/CD服务账户和OIDC链接角色应用最小权限原则,强制执行具有短过期窗口和特定仓库权限的细粒度个人访问令牌,移除创建管理员角色等高风险操作的常驻权限,监控异常IAM活动,并实施强控制来检测影子AI风险。
该事件突出了Socket描述的AI辅助供应链滥用案例,其中执行被卸载给已经拥有对开发者文件系统、凭据和认证工具特权访问的智能体。
软件供应链安全公司表示:"恶意意图通过自然语言提示而非显式网络回调或硬编码端点表达,使传统检测方法变得复杂。随着AI助手越来越多地集成到开发者工作流中,它们也扩大了攻击面。任何能够调用它们的工具都继承了它们的影响范围。"
Q&A
Q1:UNC6426是如何在这么短时间内获得AWS管理员权限的?
A:UNC6426首先通过nx npm包供应链攻击窃取了开发者的GitHub令牌,然后利用该令牌进行侦察并获取GitHub服务账户凭据,最后滥用GitHub到AWS的OIDC信任关系创建新的管理员角色,整个过程在72小时内完成。
Q2:QUIETVAULT是什么,它是如何工作的?
A:QUIETVAULT是一个JavaScript凭证窃取器,它通过postinstall脚本启动,利用端点上已安装的大语言模型工具来搜索并获取环境变量、系统信息和有价值的令牌,包括GitHub个人访问令牌,然后将数据上传到公共GitHub仓库。
Q3:如何防范类似的AI辅助供应链攻击?
A:建议使用防止postinstall脚本的包管理器、对CI/CD账户应用最小权限原则、使用短期细粒度访问令牌、监控异常IAM活动、实施影子AI风险检测控制,以及加强对开发者工具中集成AI助手的安全管控。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。