/
黑客入侵流行JavaScript库Axios植入隐藏恶意软件
广受欢迎的Axios HTTP客户端库近期遭到黑客攻击，通过被入侵账户传播恶意软件。攻击者利用npm包管理器上被劫持的账户分发恶意代码，影响两个软件包并安装远程访问木马，可控制Windows、macOS和Linux系统。该库每周下载量近3亿次，攻击者精心策划18小时并预建三个操作系统载荷。安全专家呼吁开发者立即检查并更新当前版本，这起供应链攻击代表了网络安全面临的严重威胁。
Chrome加密绕过新发现：恶意软件窃取密码和Cookie
研究人员发现名为VoidStealer的新型信息窃取软件，能够绕过Chrome 127版本引入的应用程序绑定加密技术。该恶意软件采用基于调试器的隐蔽技术，无需权限提升或代码注入，通过硬件断点精确拦截解密流程中的主密钥。自2024年12月首次出现以来，该软件已快速迭代至2.1版本，在地下市场采用恶意软件即服务模式运营。
Trivy供应链攻击扩散至Docker平台，引发蠕虫和Kubernetes擦除器威胁
网络安全研究人员发现，Trivy供应链攻击后，恶意软件通过Docker Hub传播，影响范围不断扩大。攻击者利用被盗凭据推送木马化版本，并通过CanisterWorm蠕虫感染数十个npm包。威胁组织TeamPCP还篡改了Aqua Security的44个内部仓库，并部署了专门针对伊朗系统的Kubernetes集群擦除恶意软件，显示出其不断增强的攻击能力。
GlassWorm供应链攻击滥用72个Open VSX扩展程序瞄准开发者
网络安全研究人员发现GlassWorm恶意活动新变种，通过滥用Open VSX注册表中的extensionPack和extensionDependencies功能进行传播。该活动自1月31日以来已发现至少72个恶意扩展，伪装成开发工具如代码检查器、格式化程序和AI编程助手等。新版本采用更强混淆技术，轮换Solana钱包规避检测，并利用扩展依赖关系部署恶意载荷，目标是窃取机密信息和加密货币钱包。
六种安卓恶意软件家族攻击Pix支付、银行应用和加密钱包
网络安全研究人员发现六种新型安卓恶意软件家族，具备窃取设备数据和实施金融诈骗的能力。这些恶意软件包括PixRevolution、TaxiSpy RAT、BeatBanker、Mirax和Oblivion RAT等银行木马，以及SURXRAT等远程管理工具。其中PixRevolution专门针对巴西Pix即时支付平台，实时劫持受害者的转账并改变收款方。部分新样本还集成了大语言模型组件，显示威胁行为者正在尝试将人工智能技术融入传统监控手段。
恶意游戏工具通过浏览器和聊天平台传播Java远程访问木马
攻击者利用伪装的游戏工具通过浏览器和聊天平台传播远程访问木马。恶意下载器部署便携式Java运行时并执行恶意JAR文件，使用PowerShell和系统自带工具实现隐蔽执行。攻击链通过删除初始下载器和配置Windows Defender排除项来规避检测，通过计划任务和启动脚本实现持久化，最终连接外部服务器进行数据窃取。同时发现新型Windows RAT恶意软件家族Steaelite，集成数据盗窃和勒索软件功能。
OpenClaw集成VirusTotal扫描检测恶意ClawHub技能
OpenClaw宣布与谷歌旗下的VirusTotal合作，对上传到其技能市场ClawHub的技能进行扫描，以增强代理生态系统的安全性。该平台为每个技能创建SHA-256哈希值并与VirusTotal数据库交叉检查。被标记为恶意的技能将被阻止下载，可疑技能会显示警告。此前研究发现ClawHub上存在数百个恶意技能，这些技能可能导致数据泄露、后门植入等安全风险。
OpenClaw的AI技能扩展存在严重安全隐患
安全研究人员在ClawHub发现数百个恶意插件，其中最热门的插件被用作恶意软件传播工具。OpenClaw是近期爆火的AI代理，可管理日程、处理邮件等任务，但用户授予的设备访问权限带来风险。恶意技能伪装成加密货币交易工具，窃取API密钥、钱包私钥等敏感信息。创始人已要求GitHub账户需满一周才能发布技能，但仍无法完全阻止恶意软件渗透。
恶意VS Code AI扩展被安装150万次，窃取开发者源代码
网络安全研究人员发现两款伪装成AI编程助手的恶意VS Code插件，总安装量达150万次。这些插件分别是"ChatGPT-中文版"和"ChatGPT-ChatMoss"，功能正常但暗中将用户打开的文件和源代码修改发送至中国服务器。插件还内置实时监控功能，可远程触发窃取工作区文件，并通过隐藏框架加载四个中国数据分析SDK进行设备指纹识别。
犯罪分子正利用AI进行情感编程开发恶意软件
Palo Alto Networks Unit 42研究显示，犯罪分子已开始使用AI辅助编程工具开发恶意软件。研究人员发现恶意代码中包含直接调用OpenAI等平台API的证据，用于生成恶意软件和社会工程邮件。虽然AI生成的恶意代码存在幻觉等错误，但威胁确实存在。目前仅约一半企业对AI使用设置了限制，专家建议采用SHIELD框架来管理AI编程风险。
从拼写错误到系统接管：npm供应链攻击工业化内幕
过去一年中npm生态系统遭受的大规模攻击显示出软件供应链威胁格局的显著变化。从简单的拼写错误攻击演变为针对维护者、CI流水线的协调凭证攻击。攻击者不再创建虚假包，而是通过窃取凭证劫持真实包发布恶意更新。现代攻击主要在CI/CD环境中激活，利用安装后脚本窃取密钥和篡改构建。企业需要将CI运行器视为生产资产，积极轮换发布令牌，并采用运行时分析而非静态扫描来检测威胁。
GootLoader恶意软件使用拼接ZIP压缩包绕过检测
JavaScript恶意软件加载器GootLoader采用新技术规避检测，通过连接500-1000个ZIP压缩包创建畸形档案。该恶意软件通过SEO投毒和恶意广告传播，诱导用户访问被攻陷的WordPress网站下载恶意ZIP文件。攻击者利用压缩包格式缺陷，使WinRAR等工具无法正常解压，但Windows默认解压工具可正常使用，从而绕过自动化分析工具检测，确保受害者能够提取并运行JavaScript恶意代码。
研究人员成功阻断550多个Kimwolf和Aisuru僵尸网络服务器
Lumen Technologies的Black Lotus Labs团队自10月初以来已成功阻断了550多个与AISURU/Kimwolf僵尸网络相关的命令控制节点流量。这两个僵尸网络能够控制被感染设备参与DDoS攻击和恶意流量中继。Kimwolf主要感染超过200万台Android设备，特别是Android TV流媒体设备，通过住宅代理网络进行传播。研究显示威胁行为者正在Discord服务器上销售代理服务，僵尸网络规模在10月份激增300%。
恶意Chrome扩展冒充交易工具窃取MEXC API密钥
网络安全研究人员发现一款恶意Chrome扩展程序，名为MEXC API Automator，伪装成自动交易工具来窃取MEXC加密货币交易所的API密钥。该扩展会程序化创建新的API密钥，启用提现权限并在界面中隐藏该权限，然后将密钥和秘钥泄露给攻击者控制的Telegram机器人。一旦用户访问MEXC的API管理页面，扩展就会注入恶意脚本并在已认证会话中运行，使攻击者能够控制受害者账户进行交易和提现操作。
研究人员在npm比特币主题包中发现隐藏的NodeCordRAT恶意软件
网络安全研究人员发现三个恶意npm包，用于传播名为NodeCordRAT的未记录恶意软件。这些包伪装成比特币相关库，通过安装脚本执行恶意载荷。NodeCordRAT是一个远程访问木马，具备数据窃取功能，能够盗取Chrome凭证、API令牌和MetaMask等加密货币钱包的助记词。该恶意软件利用Discord服务器进行命令控制通信，可执行任意命令、截屏和上传文件等操作。
macOS XProtect恶意软件检测清单：内置安全系统覆盖25种威胁
苹果持续为Mac内置的XProtect安全套件添加新的恶意软件检测规则。该套件自2009年推出以来已显著演进，目前包含三个主要组件。XProtectRemediator拥有25个扫描模块，能识别并清除23种已知恶意软件类型，包括广告软件、木马和间谍软件等。虽然苹果使用内部命名方案模糊化恶意软件名称，但安全研究人员通过逆向工程成功映射了这些签名规则。
Elastio推出实时零日恶意软件备份感染检测技术
Elastio推出模型上下文协议服务器，将无代理勒索软件检测和备份验证直接嵌入AWS工作流程、开发工具和AI助手中，声称具备零日检测能力。该方案通过机器学习驱动的RansomwareIQ数据完整性引擎，对AWS和Azure环境中的备份进行行为检测，能够识别加密异常和威胁模式，隔离被感染的恢复点并确保干净的数据恢复。
微软Project Ire登场，AI智能体首次承担逆向工程师角色
微软发布了名为Project Ire的自主AI代理，声称可在无人协助下检测恶意软件。该原型使用大语言模型和二进制分析工具对软件进行逆向工程，判断代码是否恶意。在约4000个"困难目标"文件的实际测试中，该AI代理标记为恶意的文件中89%确实是恶意的，但仅检测出所有恶意软件的26%。微软计划将其集成到Defender安全工具套件中，作为威胁检测的二进制分析器。
微软发布Project Ire智能体，可大规模自动识别恶意软件
微软推出名为Project Ire的人工智能代理，能够大规模自动分析和分类恶意软件。该AI模型可对可疑软件文件进行逆向工程，使用反编译器等取证工具分析代码以判断文件安全性。在公共数据集测试中，准确率达98%，召回率为83%。在涉及4000个"高难度目标"文件的实际测试中，准确率为89%，误报率仅4%。Project Ire将集成到Defender平台中，用于威胁检测和软件分类。
京公网安备 11010802021500号
