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
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。