Hunting software supply chain malware
三句話摘要
軟體供應鏈惡意軟體研究員如何發現、分析與應對攻擊,以及防禦者需要採取的行動。 軟體供應鏈威脅不再是技術債務問題,而是國家級對手的實時戰場——防禦者必須從漏洞管理的思維轉向威脅建模,建立專門的惡意軟體分析能力,並準備在開發機器被攻陷的假定下進行事件應對。 靜態分析需要高度客製化:97-98% 的分析工作依賴自建工具而非現成掃描器,因為要處理 JavaScript、Python、Ruby、Go 等多種語言,且針對每個語言的進口機制、套件清單、執行順序都要個別理解。
重點整理
靜態分析需要高度客製化:97-98% 的分析工作依賴自建工具而非現成掃描器,因為要處理 JavaScript、Python、Ruby、Go 等多種語言,且針對每個語言的進口機制、套件清單、執行順序都要個別理解。
發現意圖是分析的樞紐:確定攻擊目標(加密貨幣竊取、支付資訊盜竊、IP 竊取等)後,才能對症下藥使用特定的去混淆與追蹤工具,避免浪費運算資源。
威脅者正在有機地演進模組化架構:不是因為 AI 建議,而是他們在實戰中發現,如果每個階段都能獨立運作,某個階段被檢測到也不影響整條鏈,允許他們像「Taco Bell」一樣用 6-7 個基礎元件組合出數千種變體。
Pollen Rider 代表新一代自我傳播威脅:利用已被攻陷開發者機器上的 Git 倉庫,注入惡意 JavaScript 負載並用虛假的歷史提交時間戳偽裝,導致開發者無意中將惡意程式碼推送到開源專案和生產系統,形成類似蠕蟲的自我複製傳播。
實用技巧與重點
- 工具與平臺名稱
- Open Source Malware(OSM):包含 GitHub 倉庫、NPM 套件、PyPI 套件、VS Code 擴充等
- Invisible Ferret、Beaver Tail、Otter Cookie:北朝鮮常見持久化工具
- Contagious Interview、Operation Dream Job:北朝鮮虛假招聘活動代號
- Ether Hiding:使用 Aptos、Tron、Binance Smart Chain 區塊鏈隱藏第二階段
- No Receiver:新型 Ethereum 直接通訊隱藏技術
- Pollen Rider:利用被攻陷開發機器傳播的持久化蠕蟲
- Kill Chain、Deobfuscation Library:自建去混淆和執行流程分析引擎
- 具體資料與比例
- Open Source Malware 每天接收約 150 份新提交、自動檢測數百個套件,API 日均 100 萬次呼叫(全免費)
- 北朝鮮傳統攻擊鏈:5-6 個階段,最後多個階段以 Bash 設定環境
- 混淆轉換:採用 Base64、十六進位制編碼分層,初期達 32、64、128 次迭代
- 漏洞利用率:全球所有 CVE 中不到 5% 實際可被利用
- 北朝鮮 2024 年盜竊加密貨幣達 22 億美元,佔 GDP 約 50%
- 威脅者特徵與專業化
- 北朝鮮:專精加密貨幣竊取,深度理解區塊鏈,大量使用 AI 自動化生成惡意軟體,部署在 NPM、GitHub
- 越南、柬埔寨、泰國、寮國:焦點在行動應用、API、WhatsApp 支付竊取
- 中國:智慧財產權竊取或長期潛伏型訪問
- 具體技術細節
- 多語言靜態分析:統一尋找 URL、IP、套件進口、GitHub 引用;同時並行執行各語言專用引擎
- 混淆檢測訊號:XOR 金鑰出現在負載中;複雜的英文數字行銷活動程式碼(Campaign Marker);分層 Base64
- 蠕蟲傳播機制:攻陷開發機器 → 修改本地 Git 倉庫 → 推送時自動注入 → 虛假時間戳隱藏 → 開源倉庫和依賴自動受感染
- 沙箱繞過:反複 Base64 編碼導致記憶體耗盡(OOM)
結論
軟體供應鏈威脅不再是技術債務問題,而是國家級對手的實時戰場——防禦者必須從漏洞管理的思維轉向威脅建模,建立專門的惡意軟體分析能力,並準備在開發機器被攻陷的假定下進行事件應對。
完整解析
Paul McCarty 是開源惡意軟體研究社群的領導者,他的日常工作是在 NPM、PyPI、GitHub 等生態中發現並分析被攻擊者投入的惡意套件。與病毒總庫(VirusTotal)不同,他專注軟體供應鏈空間——後者主要處理檔案雜湊和 IP,而供應鏈攻擊中的關鍵是 GitHub 倉庫、NPM 套件、Python 模組,這些東西每次只改一個空白字元就能改變雜湊值,傳統方法完全失效。
他每天早上醒來就會看到全球數百份新提交,其中大多數是 JavaScript。他不是直接執行這些套件(太危險),而是使用自建的靜態分析工具——97-98% 的分析都靠這套,加上一個強大的去混淆庫和名為「Kill Chain」的執行流程追蹤引擎。關鍵是要理解每種語言的進口方式、套件清單、執行順序,才能跨語言進行統一的行為搜尋(尋找 URL、IP、動態載入)。
混淆是最大的挑戰。合法軟體工程師為了隱藏業務邏輯會最小化和混淆 JavaScript,所以混淆本身不等於惡意。但北朝鮮等威脅者會層層疊疊使用 Base64、十六進位制、XOR、字串替換,有時達 128 次迭代。去混淆是有損過程——你永遠恢復不了原始變數名,只能透過模式匹配猜測功能。過去這很耗時,但 LLM 現在能大幅加速這個過程。
更重要的是判斷「意圖」——這個東西想幹什麼?竊取加密錢包?偷 WhatsApp 支付憑證?一旦理解了威脅者的目標,Paul 就能針對性地追蹤資料流向。加密貨幣竊取者會查詢區塊鏈;支付欺詐者會找 API 呼叫;持久化工具會尋找作業系統命令。這樣不用完美去混淆整個程式碼,只需追蹤關鍵路徑。
北朝鮮的攻擊演進了。傳統的 Contagious Interview(假招聘)活動用 4-7 階段鏈:前幾階段是 Bash 設定環境,中間是 JavaScript 竊取器,最後是 Python 的 Invisible Ferret 持久化工具。但他們發現,如果某個階段被發現,整條鏈就得重做,所以改成「Taco Bell 模式」:用 6-7 個基礎模組(混淆層、竊取層、隱藏層、持久化層)組合變化。同時他們有市場行銷般的「活動程式碼」追蹤哪個版本存活最久、感染最多人。
最聰明的是他們對區塊鏈的理解。他們發現 Aptos、Tron、Binance Smart Chain 的交易備忘錄欄位是可變的,可以在其中隱藏第二階段負載。2025 年他們升級到「No Receiver」——直接透過 Ethereum 進行 C2 通訊。這不是簡單複製,而是真正的創新:他們為了用加密貨幣支付基礎設施(VPN、虛擬主機都接受 Monero),深度學習了整個去中心化生態。
但最恐怖的是新威脅 Pollen Rider。Contagious Interview 感染了全球數千名開發者,北朝鮮本意是竊取加密貨幣,卻意外得到這些機器的持久化存取權。他們靈機一動:用這些被攻陷的開發機器修改開發者電腦上的所有 Git 倉庫,注入惡意 JavaScript 負載。當開發者推送程式碼時,這些負載跟著上傳到 GitHub,由於 Git 提交時間戳是可偽造的,程式碼看起來像是三年前寫的,卻在昨晚被注入。結果是自我複製的蠕蟲:被感染的開發者不知情推送惡意程式碼→被依賴這些倉庫的其他開發者克隆→他們又被感染→他們推送到他們的專案……無限迴圈。開發者即使買新電腦,第一件事克隆自己的 Git 倉庫,馬上又被感染。
防禦的現實很尷尬。EDR(端點檢測與反應)對這類攻擊無效——它是為了偵測勒索軟體大規模加密檔案而設計的,不是追蹤一個隱藏在合法 Node 或 Python 程序中的竊取器。漏洞管理也只關注 CVE,但全球 CVE 中不到 5% 實際可利用,反而 100% 的惡意軟體供應鏈攻擊都是現實威脅。Paul 的主張是:組織必須建立獨立的「惡意軟體威脅團隊」,從事件反應和安全運營中抽調主題專家,理解軟體供應鏈威脅的獨特性。套件防火牆(Package Firewall)有幫助但不充分,而且是軍備競賽——威脅者生成速度終會超過防火牆偵測速度。最核心的是要認知到:開發機器會被攻陷,沒有完美防禦,所以要能偵測、隔離、旋轉憑證,假定已被突破而準備復原。

