flowki@club:~$ Gerade gestartet · sei von Anfang an dabei
$ beitreten
SECURITY
Manipuliertes PyTorch-Lightning-Paket mit Credential-Stealer

Manipuliertes PyTorch-Lightning-Paket mit Credential-Stealer

1 min Lesezeit
Rafi GrzonkaRafi Grzonka
TeilenXLinkedInWhatsApp

Manipuliertes PyTorch-Lightning-Paket auf PyPI entdeckt

Sicherheitsforscher haben eine kompromittierte Version des PyTorch-Lightning-Pakets auf dem Python Package Index (PyPI) identifiziert. Die bösartige Variante lieferte einen Credential-Stealer, der systematisch sensible Daten sammelte.

Was wurde gestohlen?

Das Malware-Payload zielte auf mehrere kritische Datenquellen ab:

  • Browser-Credentials: Gespeicherte Passwörter und Session-Daten aus gängigen Browsern
  • Umgebungsvariablen: API-Keys und Secrets aus .env-Dateien und System-Konfigurationen
  • Cloud-Service-Zugänge: Credentials für AWS, Google Cloud, Azure und ähnliche Plattformen
  • SSH- und Git-Konfigurationen: Private Keys und Repository-Authentifizierungsdaten

Das Supply-Chain-Risiko

PyTorch Lightning ist ein weit verbreitetes Framework für Machine-Learning-Entwicklung. Die Platzierung auf PyPI bedeutet, dass Entwickler das Paket automatisch über pip install installieren konnten – ohne dass die Gefahr unmittelbar erkennbar war.

Solche Angriffe exploitieren das Vertrauen in etablierte Open-Source-Ökosysteme. Potenziell betroffene Umgebungen waren:

  • Lokale Entwickler-Maschinen mit gespeicherten Cloud-Credentials
  • CI/CD-Pipelines mit eingebetteten Secrets
  • Produktionsserver mit Zugriff auf sensible Infrastruktur

Wie es erkannt wurde

Die PyPI-Community und automatisierte Sicherheitssysteme erkannten das manipulierte Paket, wahrscheinlich durch anomale Dateistrukturen oder Verhaltensweisen beim Installation oder Code-Analyse. Das Paket wurde anschließend entfernt.

Empfehlungen für Entwickler

Sofortmaßnahmen:

  • Überprüfung der installierten PyTorch-Lightning-Version
  • Rotation aller Credentials, die auf betroffenen Maschinen gespeichert waren
  • Audit von CI/CD-Logs auf verdächtige Aktivitäten

Langfristig:

  • Verwendung von Dependency-Scanning-Tools (Snyk, Dependabot)
  • Pinning von Paket-Versionen statt wildcard-Imports
  • Separierung von Entwickler- und Produktions-Umgebungen
  • Regelmäßige Rotation von API-Keys und Cloud-Credentials

Dieser Vorfall unterstreicht, dass auch etablierte Pakete nicht automatisch sicher sind. Eine Kombination aus automatisierter Überwachung und manueller Vorsicht bleibt essentiell.

Weiterlesen

Aus dem Magazin

Alle Artikel
SECURITY

Android AI-Agenten: Unsichtbare Text-Befehle könnten PCs kompromittieren

1 min · 21. Juli

SECURITY

ENCFORGE: Neue Ransomware zielt auf AI-Modelle ab

1 min · 21. Juli

SECURITY

ServiceNow AI Platform: Kritische Lücke ermöglicht Code-Ausführung

1 min · 21. Juli