开发者广泛使用的Axios HTTP客户端库这一JavaScript组件最近遭到黑客攻击,通过被入侵的账户分发恶意软件。
攻击者利用npm上被劫持的账户进行攻击。npm是Node.js的默认包管理器,这是一个允许开发者共享、安装和管理JavaScript项目代码的工具,被用来分发恶意软件。
据Step Security Inc.的安全研究人员称,此次攻击影响了两个软件包,并安装了远程访问木马(RAT),允许第三方控制计算机。该软件可以控制Windows、macOS和Linux操作系统。
"这不是机会性攻击,而是精准攻击," Step Security联合创始人兼首席技术官Ashish Kurmi表示。"恶意依赖项提前18小时就已部署。针对三个操作系统预先构建了三个载荷。两个发布分支在39分钟内相继被污染。每个攻击组件都设计为自毁。"
Axios是一个极其流行的库,每周下载量近3亿次。开发者依靠它在应用程序和网络服务之间交换请求。从前端应用到后端系统都在使用它,可谓无处不在。
据研究人员称,攻击者在3月30日开始攻击,首先入侵了Axios主要维护者"jasonsaayman"的账户,这使他们能够绕过GitHub上的主要安全检查。然后攻击者将库关联的邮箱替换为他们控制的匿名Proton Mail地址。
"Axios本身内部没有任何恶意代码行,这正是使这次攻击如此危险的原因," Kurmi补充道。
Axios并非恶意载荷本身,而是成为了一个会自我删除的安装程序。在MacOS上它伪装成系统守护进程;在Windows上作为PowerShell的一部分;在Linux上则使用Python脚本后门。
尽管这次入侵被快速发现,但仍不足以阻止开发者下载受感染的库。安全专业人员敦促开发者迅速采取行动检查和更新当前版本,如果已被入侵则需要处理安全问题。
"我们已经看到了主动利用的情况," Huntress Labs Inc.高级首席安全研究员John Hammond告诉SiliconANGLE。"任何安装了axios@1.14.1或axios@0.30.4的环境都应被视为已被入侵。组织必须立即审核其依赖项,降级至经过验证的安全版本,轮换安装期间可访问的所有凭据,并扫描每个操作系统特定的恶意软件痕迹。"
Axios的入侵代表了网络安全研究人员所称的"供应链攻击"。这些极其隐蔽的攻击发生在敌对方针对安全性较低的第三方供应商、供应商或软件依赖项,而不是试图攻击防护良好的目标时,比如本案例中攻击者将恶意代码注入可信软件或更新中。
Cybersecurity Ventures的一份报告估计,供应链攻击在2025年将使企业损失近600亿美元,并预测到2031年这一数字可能上升至约1380亿美元。
Q&A
Q1:Axios是什么?为什么被攻击影响这么大?
A:Axios是开发者广泛使用的JavaScript HTTP客户端库,每周下载量近3亿次。开发者依靠它在应用程序和网络服务之间交换请求,从前端应用到后端系统都在使用,因此影响范围极其广泛。
Q2:黑客是如何攻击Axios的?
A:攻击者首先入侵了Axios主要维护者"jasonsaayman"的账户,绕过GitHub安全检查,然后将库关联邮箱替换为他们控制的匿名邮箱。攻击者没有在Axios本身植入恶意代码,而是让它成为会自我删除的恶意软件安装程序。
Q3:如果安装了被感染的Axios版本该怎么办?
A:任何安装了axios@1.14.1或axios@0.30.4版本的环境都应被视为已被入侵。必须立即审核依赖项,降级至经过验证的安全版本,轮换安装期间可访问的所有凭据,并扫描每个操作系统特定的恶意软件痕迹。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。