FLOWKI · NEWSROOM
Supply-Chain-Angriffe eskalieren: PyTorch, SAP, Hugging Face im Visier
ki-pentesting

Supply-Chain-Angriffe eskalieren: PyTorch, SAP, Hugging Face im Visier

ki-pentesting12 unabhängige QuellenFlowKI Newsroom

Angreifer kompromittieren Millionen-Downloads in koordinierter Welle

Über mehrere Wochen hinweg haben Threat Actor zahlreiche verbreitete Softwarepakete infiltriert. Laut The Hacker News wurde PyTorch Lightning, eines der beliebtesten Machine-Learning-Frameworks, mit manipulierten Versionen in PyPI hochgeladen, um Entwickler-Zugangsdaten zu stehlen. Zeitgleich meldet SecurityWeek die Kompromittierung mehrerer SAP-NPM-Pakete durch die Gruppe TeamPCP — die sogenannte "Mini Shai-Hulud"-Kampagne injizierte Preinstall-Hooks, um Bun-Binaries auszuführen und Sicherheitsüberwachung zu umgehen. Die beiden compromittierten Pakete (Lightning und Intercom-client) hatten zusammen knapp 10 Millionen monatliche Downloads. Auch Hugging Face und ClawHub werden laut SecurityWeek zunehmend als Verteilkanäle missbraucht — Angreifer nutzen Social Engineering, um Nutzer zum Download bösartiger Dateien zu verleiten. Ein Python-Datenanalyse-Tool (Elementary) wurde Heise zufolge kurzzeitig als manipulierte Version bereitgestellt, bevor die Betreiber zum sofortigen Update aufforderten.

Deutschland: Kritische Lücke bei KI-Modell-Tracking

Für deutsche Unternehmen und Entwickler ergibt sich ein strukturelles Risiko. Cisco hat laut Help Net Security nun ein Open-Source-Toolkit zur Verifizierung der KI-Modell-Herkunft freigegeben — weil Firmen, die Modelle von Hugging Face und anderen Repositories nutzen, selten dokumentieren, wie diese nach dem Download verändert werden. Das gilt besonders für den deutschen Mittelstand und regulierte Branchen (Fintech, Pharma), die mit DSGVO und AI-Act-Compliance kämpfen. Wer PyTorch, SAP-Module oder generische Python-Pakete ohne Quellen-Auditing integriert, sitzt im Risiko. Die Mini-Shai-Hulud-Kampagne zeigt: Selbst "vertrauenswürdige" Repositories werden zum Angriffsziel.

Sofort handeln: Dependency-Audit und Supply-Chain-Visibility

Entwickler müssen jetzt ihre Abhängigkeiten durchforsten. Das bedeutet konkret: pip list checken, alte Versionen auf verdächtige Behavior-Änderungen prüfen, und einen Supply-Chain-Security-Prozess aufbauen — ähnlich dem KI-Pentesting-Ansatz für LLM-Apps. Parallel sollten Teams ihre Safety-Pipelines für externe Modelle erweitern, um kompromittierte Dependencies früher zu erkennen. Der Artikel von Cisco zeigt: Model Provenance und Lineage-Tracking sind keine optionalen Features mehr.

Quellen