Malicious Pull Requests bedrohen CI/CD-Pipelines — GitHub und OpenAI reagieren
Großangelegte Angriffskampagne namens 'Cordyceps' zielt systematisch auf Entwickler-Workflows ab. Laut Dark Reading exploitieren Angreifer die Standardkonfiguration des "pull_request_target"-Workflow-Triggers, um Code mit höchster Berechtigung auszuführen. Betroffen sind hochkarätige Projekte: Microsofts Azure Sentinel, Googles AI Agent Development Kit, Apaches Doris-Datenbank, Cloudflares Workers SDK und die Python Software Foundation. Die Lücke ermöglicht es, beim Checkout von feindlichen Pull Requests kritische Credentials wie GitHub-Tokens oder Deployment-Keys zu stehlen.
GitHub reagiert mit konkreten Maßnahmen. Das Unternehmen aktualisiert die "actions/checkout"-Action, um häufige Angriffsmuster zu blockieren, wie The Hacker News berichtet. Die Neuerungen sollen das Exploit-Szenario der pwn-request-Angriffe deutlich erschweren — insbesondere für Repositorys, die den riskanten "pull_request_target"-Trigger nutzen. Parallel startet OpenAI eine Initiative zur Stärkung der Open-Source-Sicherheit, indem KI-gestützte Tools entwickelt werden, um Bugs in kritischen Open-Source-Projekten zu finden und zu patchen.
Relevanz für DACH: Für deutsche und österreichische Mittelständler mit eigenen Open-Source-Projekten oder internen CI/CD-Pipelines ist das Thema unmittelbar kritisch. Die Cordyceps-Kampagne zeigt, dass auch etablierte Frameworks durch vermeintlich harmlose Pull Requests kompromittiert werden können. Unter der DSGVO haftet das Unternehmen für Sicherheitsverletzungen in der Supply Chain — wenn fremder Code über manipulierte PRs in Produktion gelangt und Kundendaten abfließen, drohen Bußgelder. Zudem unterliegen solche Vorfälle der 72-Stunden-Meldepflicht.
Handlung: Prüfe deine GitHub-Workflows sofort auf den Einsatz von "pull_request_target" mit checkout-Schritt. Falls genutzt, nutze die aktualisierte actions/checkout-Version und implementiere zusätzlich explizite Code-Review-Gates für externe PRs. Weitere Sicherheitsmaßnahmen zur Härtung von LLM-Apps und Testing findest du in unserem KI-Pentesting-Guide und unserer 50-Punkte-Red-Team-Checkliste für LLM-Apps.