Microsoft Ungkap Penyusupan Paket LiteLLM 1.107.0 yang Berpotensi Mencuri Kredensial Pengembang
Microsoft mengungkap insiden keamanan siber yang melibatkan penyusupan paket LiteLLM versi 1.107.0 pada ekosistem pengembangan Python. Paket yang terinfeksi tersebut didistribusikan melalui Python Package Index atau PyPI pada 21 Oktober 2026 dan ditemukan mengandung kode berbahaya yang dirancang untuk mencuri kredensial pengembang. Dalam laporan keamanan yang dipublikasikan pada 23 Oktober 2026, Microsoft menjelaskan bahwa malware dapat berjalan ketika interpreter Python dimulai, bahkan tanpa aplikasi mengimpor LiteLLM secara langsung. Insiden ini menjadi perhatian penting dalam dunia TEKNOLOGI karena memperlihatkan risiko serangan rantai pasokan perangkat lunak terhadap pengembang, layanan kecerdasan buatan, dan infrastruktur cloud.
Microsoft Mengungkap Serangan Rantai Pasokan pada LiteLLM 1.107.0
Tim peneliti keamanan Microsoft mempublikasikan hasil investigasi mengenai serangan terhadap rantai pasokan LiteLLM versi 1.107.0. Insiden tersebut melibatkan distribusi paket pada 21 Oktober 2026 melalui layanan distribusi paket PyPI dan sejumlah image container resmi. Proyek sumber terbuka tersebut dikenal sebagai penghubung antara aplikasi dengan berbagai penyedia model kecerdasan buatan. Dengan memanfaatkan LiteLLM, pengembang dapat mengelola akses menuju beragam model bahasa melalui mekanisme komunikasi yang terintegrasi. Mengingat fungsinya melibatkan layanan AI dan infrastruktur pengembangan, kompromi paket berpotensi menjangkau banyak sistem.
Menurut keterangan resmi tim LiteLLM, paket berbahaya versi 1.107.0 sempat didistribusikan melalui PyPI dalam waktu terbatas. Distribusinya berlangsung sekitar pukul 11.39 hingga 13.23 UTC pada 21 Oktober 2026. Di luar distribusi melalui PyPI, sejumlah image container dengan tag v1.107.0, latest, main-latest, dan main-stable juga sempat terdampak. Ketika penyusupan berhasil diketahui, pengelola menghapus rilis berbahaya dari distribusi dan memperbarui penunjuk image container. Namun demikian, perangkat yang sempat memasang versi terinfeksi tidak otomatis kembali aman. Kondisi ini menegaskan bahwa penghentian distribusi saja belum cukup.
Teknik Penyusupan Kode Berbahaya dalam Paket LiteLLM 1.107.0
Keunikan teknis yang menjadi perhatian adalah aktivasi kode berbahaya ketika Python dimulai. Di dalam artefak berbahaya tersebut, peneliti mengidentifikasi komponen startup mencurigakan bernama cook.pth, cook.py, dan sitecustomize.py. File yang disisipkan penyerang ditempatkan pada direktori pustaka Python sehingga berpotensi dieksekusi pada saat Python berjalan. Mekanisme tersebut memungkinkan aktivasi tanpa penggunaan langsung modul utama. Akibatnya, pengembang yang memulai proses Python untuk kebutuhan lain berpotensi memicu malware tanpa menjalankan aplikasi LiteLLM secara khusus.
Melalui komponen yang ditemukan peneliti, file cook.pth digunakan untuk menjalankan komponen cook.py. Berkas Python tersebut memuat kode berbahaya dalam bentuk terenkode menggunakan Base64 dan kompresi zlib. Setelah diproses, program memulai proses pencarian data sensitif. Tim analisis keamanan mengidentifikasi komponen tersebut sebagai PRIVCOLLECT. Sebagai mekanisme tambahan, sitecustomize.py memiliki fungsi pemanggilan program tambahan pada lingkungan berbasis Unix. Rancangan pemuat tersebut memungkinkan perubahan muatan berbahaya tanpa memerlukan pembaruan resmi lainnya. Namun demikian, Microsoft belum mengonfirmasi pelaksanaan kode tahap kedua selama investigasinya.
Jenis Kredensial yang Menjadi Sasaran Malware LiteLLM
Investigasi terhadap kode berbahaya menunjukkan bahwa malware dirancang untuk mencari berbagai jenis informasi autentikasi yang berada pada perangkat kerja pengembang. Kategori kredensial yang dicari mencakup API key dari penyedia AI, file konfigurasi, dan variabel lingkungan yang mengandung rahasia. Di samping data tersebut, program menelusuri konfigurasi pengelolaan kode serta material kunci SSH. Layanan cloud seperti AWS, Azure, dan Google Cloud juga termasuk dalam sasaran pengumpulan. Ketika data autentikasi jatuh ke pihak tidak berwenang, ancaman tidak terbatas pada satu aplikasi karena kunci akses sering memiliki izin terhadap layanan lain.
Di luar kredensial aplikasi, malware dirancang membaca data tertentu dari peramban. Komponen yang diperiksa termasuk catatan aktivitas peramban dan sejumlah penyimpanan informasi login. Namun demikian, keberadaan fungsi pencarian belum berarti semua informasi dapat dibaca. Keberhasilan pengambilan informasi bergantung pada izin proses. Komponen pencuri informasi ini mengarsipkan informasi yang berhasil dibaca sebelum menyiapkan pengiriman menuju infrastruktur eksternal. Berdasarkan pemeriksaan kode, sistem tersebut memanfaatkan kombinasi AES dan RSA untuk menyembunyikan materi sensitif dari inspeksi sederhana. Metode pengemasan tersebut menunjukkan rancangan malware yang cukup terstruktur.
Risiko Serangan Supply Chain pada Proyek Python dan Cloud
Penyusupan paket Python tersebut berpotensi memengaruhi berbagai lingkungan karena LiteLLM terintegrasi dengan layanan kecerdasan buatan. Di organisasi yang mengoperasikan layanan digital, paket tersebut mungkin digunakan di komputer pengembang, server pengujian, image container, dan infrastruktur otomatisasi pembangunan aplikasi. Apabila lingkungan tersebut menjalankan versi terinfeksi, malware dapat mencoba membaca informasi kredensial yang dapat diakses oleh identitas pengguna. Dampak yang mungkin terjadi mencakup penyalahgunaan API, perubahan konfigurasi, dan peningkatan biaya layanan akibat penyalahgunaan. Namun perlu dipahami, tidak semua instalasi pasti mengalami pencurian.
Serangan ini menjadi contoh bagaimana penyusupan rantai pasokan aplikasi dapat melewati pemeriksaan pengguna. Berdasarkan penjelasan tim LiteLLM, pelaku berhasil memengaruhi proses publikasi rilis. Versi berbahaya tersebut melibatkan proses rilis yang tidak sah. Kondisi tersebut menegaskan pentingnya pemeriksaan tidak hanya pada kode sumber aplikasi, tetapi juga pipeline pembangunan. Di lingkungan DevOps, perlindungan proses rilis memerlukan perhatian khusus. Tanpa pengendalian memadai, organisasi dapat memasang paket yang tidak sesuai kode resmi meskipun memanfaatkan layanan distribusi yang terpercaya.
Strategi Mitigasi Serangan Supply Chain untuk Pengembang
Bagi organisasi yang menggunakan LiteLLM, langkah pertama adalah mengidentifikasi cakupan paparan. Proses identifikasi ini perlu mencakup komputer pengembang, server pengujian, container, cache paket, dan image pembangunan aplikasi. Hal penting yang ditekankan Microsoft, pemeriksaan pada lingkungan yang diduga terinfeksi tidak boleh dimulai dengan menjalankan interpreter Python terdampak. Tindakan pencegahan ini bertujuan menghindari pelaksanaan otomatis komponen pencuri data. Untuk pendekatan yang lebih aman, administrator sebaiknya memeriksa disk melalui lingkungan tepercaya. Apabila indikator kompromi teridentifikasi, sistem sebaiknya dipisahkan dari jaringan bila diperlukan untuk mengurangi kemungkinan akses lanjutan.
Sesudah sistem berisiko berhasil dipisahkan, organisasi perlu meninjau kredensial yang mungkin terekspos. Informasi yang perlu diperiksa meliputi API key penyedia model, akses cloud, kredensial Git, SSH, dan token layanan internal. Penerbitan ulang token keamanan sebaiknya dijalankan melalui sistem yang tidak terkompromi. Di samping melakukan rotasi rahasia, administrator perlu membangun ulang lingkungan yang terdampak. Tim keamanan Microsoft mengingatkan bahwa penghapusan direktori aplikasi belum tentu menyingkirkan malware. Alasannya file startup berbahaya mungkin tersimpan pada lokasi pustaka Python. Karena alasan tersebut, penanganan insiden yang mencakup sistem dan identitas menjadi langkah yang diperlukan.
Pelajaran Keamanan Siber dari Penyusupan LiteLLM 1.107.0
Pengungkapan Microsoft mengenai LiteLLM 1.107.0 memberikan pelajaran berharga dalam perlindungan infrastruktur digital. Melalui manipulasi proses distribusi, penyerang menempatkan komponen pencuri informasi pada paket yang didistribusikan. Mekanisme aktivasi melalui startup interpreter meningkatkan cakupan paparan karena proses interpreter dapat mengaktifkan kode tanpa impor LiteLLM. Meskipun distribusi berbahaya sudah dihentikan, rotasi kredensial harus menjadi perhatian. Peristiwa keamanan tersebut memperlihatkan kebutuhan perlindungan pipeline rilis dan pengelolaan kredensial secara disiplin. Dengan menerapkan pendekatan tersebut, organisasi dapat mengurangi dampak serangan serupa. Apa pandangan Anda perlindungan dependensi Python dan layanan AI? Sampaikan pengalaman Anda mengenai pentingnya keamanan perangkat lunak sumber terbuka.
