Cursor 披露恶意 Claude Code 扩展试图安装 SSH 后门
Cursor 于 2026年10月29日披露,VS Code 扩展市场上出现被篡改的 Anthropic.claude-code 2.1.313 版本,该包并非 Anthropic 官方发布,受影响用户最多 5,000 人。
推荐理由:原文完整披露了恶意扩展的行为链、IOC 指标和修复脚本,读者可据此自查并理解扩展市场供应链攻击的检测与处置流程。
Cursor 于 2026年10月29日披露,VS Code 扩展市场上出现被篡改的 Anthropic.claude-code 2.1.313 版本,该包并非 Anthropic 官方发布,受影响用户最多 5,000 人。
推荐理由:原文完整披露了恶意扩展的行为链、IOC 指标和修复脚本,读者可据此自查并理解扩展市场供应链攻击的检测与处置流程。
macOS 安全公司 Phorion 发现,VS Code 兼容编辑器的 Claude Code 扩展在 Open VSX 上出现被篡改的 2.1.313 版本。
推荐理由:事件揭示了扩展市场投毒的完整攻击链与清理要点,读者可据此排查自身环境并理解供应链防护重点。
Pluto Security 发布 Load/Mine 报告,披露通过 Hugging Face 恶意模型仓库传播的挖矿与后门活动,共记录 31 个恶意仓库、分布在 7 个账号,累计 29 818 次下载,含关联仓库达 32 376 次。
推荐理由:报告拆解了利用 Transformers trust_remote_code 机制的挖矿活动全链路,读者可据此自查 auto_map 指向的 .py 文件与常见持久化痕迹。
Check Point 披露代号 Yoba 的恶意活动:攻击者在 GitHub 上伪造 GPT-5.6 Sol、GPT-6 Astra、Claude Opus 等 AI 应用仓库,捆绑合法签名的 OpenAI 与 Anthropic 可执行文件,通过 DLL 侧加载投放名为 YobaDropper 的恶意 DLL。
推荐理由:详细拆解了攻击者如何借合法签名二进制与DLL侧加载绕过防护,读者可据此识别同类伪装AI工具的供应链投放手法。
Wiz Research 自 9 月 15 日追踪的 Gheist 攻击活动,通过在被入侵账号的私有仓库植入恶意 GitHub Actions 工作流,已波及 850 多个账号、留下超过 13,500 个恶意分支。
推荐理由:原文梳理了攻击链细节与可检索的IOC特征,安全团队可据此排查自身仓库是否受影响。
Pillar Security 披露 Unsloth 模型加载器高危漏洞 CVE-2026-93348(CVSS 8.6),可在处理恶意构造的模型配置时执行任意 Python 代码。
推荐理由:原文说明了漏洞成因与 trust_remote_code=False 失效的原因,读者可据此排查 AI 训练环境中的依赖风险。
JFrog Security Research 报告称,攻击者攻陷 42 个第三方 GitHub 仓库,植入 AI 编码助手与 IDE 的执行钩子,并使用最大 13.7MB 的多态包装文件规避 GitHub 搜索和 API 检测,所有文件解码后指向同一个隐藏 CI 发布载荷。
推荐理由:报道详细拆解了攻击者利用超大文件规避GitHub搜索的供应链攻击手法,并给出可直接执行的排查路径与凭据处置清单。
MCP Python SDK 的 Streamable HTTP 与 SSE 客户端传输在受影响版本中会跟随指向任意主机的 HTTP 重定向,并携带客户端自定义头(如 X-API-Key),在 307/308 重定向时还会重发请求体;OAuth 客户端的发现、注册与令牌请求同样存在此问题。
推荐理由:公告给出了受影响版本、升级路径与临时缓解方案,读者可据此判断自身 MCP 客户端部署是否需要轮换凭证。
Google Brotli 压缩库解码器存在越界写漏洞 CVE-2026-111497(高危,CWE-252 与 CWE-787 组合),可导致远程代码执行、信息泄露或拒绝服务。
推荐理由:原文梳理了同一 CVE 在 Node.js、.NET、Python 三条链路上的补丁版本与重建要求,读者可据此排查自身运行时与容器镜像的受影响范围。
Wiz 发布 GitHub Actions 安全研究更新,梳理 2026 年 GitHub 平台防护(actions/checkout@v7.0.0 默认阻止 fork 代码检出、只读缓存 token、事件策略)落地后仍可利用的 Pwn Request 攻击路径。
推荐理由:原文系统梳理了 GitHub 2026 年平台防护更新后仍可利用的 Pwn Request 攻击路径,读者可据此评估自身工作流的残余风险。
Wiz 于 10 月 25 日发布研究,披露自 9 月 15 日起追踪的 Gheist 攻击活动:攻击者利用被盗访问令牌在 850 多个被入侵账号的仓库中,于超过 13,500 个分支植入将仓库密钥打印到自身日志的 GitHub Actions workflow,再通过 API 下载日志并删除运行记录,全程无需外部 C2 服务器。
推荐理由:报道了 Wiz 对 Gheist 攻击活动的追踪细节,说明了 GitHub 新审批控制对公共仓库的拦截效果与私有仓库的暴露面。
安全公司 V12 于 10 月 22 日发布对 x402 Agent 支付协议代码库的审查,报告 25 个漏洞,其中 3 个为严重级别。最严重的发现是,在 2026 年 8 月修复前,x402 默认支付客户端不设任何消费上限,会接受服务器给出的第一个支付选项,由服务器决定金额、代币、收款方和网络,恶意 API 可要求自动签名的 Agent 支付钱包中某代币的全部余额。
推荐理由:报告揭示了 Agent 支付协议中服务器可单方面决定金额与收款方的默认设计缺陷,为 Agent 资金安全提供了具体威胁模型参考。
10月23日,月之暗面发布 Kimi K3.1 Pro,并在中期训练和强化学习阶段移除网络攻防相关数据、保留正常编程训练内容,以降低开放权重后的滥用风险。内部测试显示,清理数据前模型可完成 90.5% 的漏洞利用任务,清理后降至 81.0%,但漏洞研究能力仍明显强于上一代。
推荐理由:原文梳理了训练阶段移除网络攻防数据这一做法及其量化效果,读者可据此理解开放权重模型的危险能力控制路径。
2026年10月21日,litellm 1.107.0 被发布到 PyPI,七个 wheel 均被植入凭据窃取器与远程代码加载器,该包过去一个月下载量超过 9200 万次。
推荐理由:原文梳理了投毒提交如何绕过标签进入发布包,读者可据此理解仅校验 tag 不足以保证发布物可信。
Wiz 研究团队披露,10 月 21 日 11:39 UTC,LiteLLM 恶意版本 1.107.0 被上传至 PyPI,约 49,000 次下载,GHCR 与 Docker Hub 上的 v1.107.0、latest、main-latest、main-stable 标签镜像同样被植入木马,最安全版本为 v1.106.2。
推荐理由:原文完整还原了攻击者如何利用 Claude Code 泄露的 GitHub CLI OAuth token 劫持 LiteLLM 发布流程,读者可据此排查自身 CI/CD 与 LLM 工具链的凭据暴露面。
Knostic 的 AgentMesh 将 PyPI 包 iflow-mcp_cmpxchg16-reddit-mcp 0.1.0 评为 Dangerous,因为它在 reddit_extract 工具调用时会从 orange-sarene-41[.]tiiny[.]site 下载 PNG。
推荐理由:文章逐行拆解了一个 PyPI 上的 MCP 包如何在工具调用时从图片像素中取出并执行 Python 代码,并指出其原始仓库本意是教学演示。
PyPI 上的 LiteLLM 1.107.0 版本被植入凭据窃取器和远程代码执行后门,七个 wheel 均在 site-packages 放置三个文件,任何 Python 进程启动时都会运行,上游 GitHub 源码不含这些文件。
推荐理由:原文完整还原了植入手法与凭据来源,读者可据此排查自身 PyPI 与 CI/CD 凭据暴露面。
litellm==1.107.0 于 10 月 21 日从含凭据窃取器和远程代码加载器的源修订发布,已被 PyPI 隔离,1.106.2 为最新安全版本。
推荐理由:原文拆解了仅一行构建配置即可在任意 Python 启动时触发凭据窃取的机制,读者可据此审视自身依赖的打包与启动钩子风险。
OWASP GenAI 项目发布 2026 年第三季度(7 月 1 日至 9 月 30 日)GenAI 与 Agentic AI 漏洞事件汇总,收录 7 条目并逐条映射到 OWASP Top 10 for LLM Applications 2026 与 OWASP Top 10 for Agentic Applications 2026。
推荐理由:报告把七起事件逐条映射到 OWASP LLM 与 Agentic Top 10,读者可据此看清评估越界与供应链攻击的具体风险条目对应关系。
腾讯玄武实验室提出 Agentic Coding 范式下的新型供应链安全威胁幽灵依赖,包含版本幽灵(LLM 倾向引入过时组件版本)和名称幽灵(LLM 捏造不存在的组件名)两类风险,并定义了利用过时组件 N-day 漏洞和针对幻觉组件名定向投毒两种攻击方式。
推荐理由:研究给出了 Agentic Coding 场景下幽灵依赖的威胁模型与实验数据,读者可据此理解 AI 自主供应链决策带来的新型攻击面及防御思路。