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 menjelaskan rincian insiden mengenai kompromi distribusi perangkat lunak LiteLLM versi 1.107.0. Insiden tersebut terjadi pada 21 Oktober 2026 melalui repositori Python Package Index dan sejumlah image container resmi. Proyek sumber terbuka tersebut memiliki fungsi sebagai penghubung antara aplikasi dengan berbagai penyedia model kecerdasan buatan. Melalui perangkat lunak ini, pengembang mampu mengintegrasikan layanan menuju beragam model bahasa melalui mekanisme komunikasi yang terintegrasi. Dengan mempertimbangkan posisinya dalam layanan AI dan infrastruktur pengembangan, insiden ini menimbulkan risiko terhadap berbagai lingkungan kerja.
Dalam laporan penanganan insiden proyek tersebut, paket berbahaya versi 1.107.0 sempat didistribusikan melalui PyPI dalam waktu terbatas. Paket tersebut tersedia sekitar pukul 11.39 hingga 13.23 UTC pada 21 Oktober 2026. Tidak hanya pada pustaka Python, sejumlah image container dengan tag v1.107.0, latest, main-latest, dan main-stable termasuk dalam cakupan kompromi. Ketika penyusupan berhasil diketahui, pengelola menghapus rilis berbahaya dari distribusi dan mengamankan kembali saluran distribusi. Meskipun distribusinya telah dihentikan, perangkat yang telah menjalankan image kompromi tidak otomatis kembali aman. Kondisi ini menegaskan bahwa penghentian distribusi saja belum cukup.
Cara Kerja Malware LiteLLM Melalui Mekanisme Startup Python
Keunikan teknis yang menjadi perhatian adalah pelaksanaan program pencuri informasi melalui mekanisme startup. Di dalam artefak berbahaya tersebut, peneliti mengidentifikasi komponen startup mencurigakan bernama cook.pth, cook.py, dan sitecustomize.py. Berkas tersebut dipasang ke lokasi yang diproses sistem Python sehingga dapat terlibat dalam proses inisialisasi. Pendekatan penyusupan ini memungkinkan aktivasi tanpa penggunaan langsung modul utama. Dengan demikian, pengembang yang mengaktifkan interpreter pada lingkungan terdampak berpotensi memicu malware tanpa menyadari keberadaan paket yang disusupi.
Pada salah satu jalur eksekusi, file cook.pth digunakan untuk menjalankan komponen cook.py. Komponen pemuat ini memuat kode berbahaya dalam bentuk terenkode menggunakan Base64 dan kompresi zlib. Sesudah proses pembukaan penyamaran, program memulai proses pencarian data sensitif. Peneliti Microsoft menjelaskan bahwa modul mengidentifikasi dirinya sebagai PRIVCOLLECT. Sebagai mekanisme tambahan, sitecustomize.py memiliki fungsi pemanggilan program tambahan pada lingkungan berbasis Unix. Fungsi tambahan ini mendukung pengiriman instruksi baru tanpa memerlukan pembaruan resmi lainnya. Namun demikian, Microsoft tidak menemukan bukti pasti eksekusi muatan lanjutan selama investigasinya.
Jenis Kredensial yang Menjadi Sasaran Malware LiteLLM
Hasil pemeriksaan keamanan Microsoft memperlihatkan upaya pencurian terhadap berbagai jenis informasi autentikasi yang tersimpan dalam lingkungan pengembangan. Informasi tersebut termasuk token autentikasi dari penyedia AI, file konfigurasi, dan informasi autentikasi dalam environment variables. Tidak hanya menargetkan akses AI, program mencari kredensial Git serta informasi kunci privat tertentu. Lingkungan pengembangan berbasis AWS, Azure, dan Google Cloud menjadi bagian dari target pencarian. Jika informasi tersebut berhasil dicuri, ancaman tidak terbatas pada satu aplikasi karena kunci akses sering memiliki izin terhadap layanan lain.
Selain informasi pengembang, malware dirancang membaca data tertentu dari peramban. Komponen yang diperiksa mencakup berkas autentikasi tersimpan dan sejumlah database kredensial browser. Namun demikian, keberadaan fungsi pencarian belum berarti semua informasi dapat dibaca. Keberhasilan pengambilan informasi dipengaruhi perlindungan sistem operasi. Malware yang dianalisis mengarsipkan informasi yang berhasil dibaca sebelum mengenkripsinya untuk dikirim keluar. Menurut hasil penelitian, sistem tersebut menggunakan metode enkripsi simetris dan asimetris untuk mengaburkan isi informasi yang dikirim. Metode pengemasan tersebut menunjukkan rancangan malware yang cukup terstruktur.
Risiko Serangan Supply Chain pada Proyek Python dan Cloud
Penyusupan paket Python tersebut tidak terbatas pada satu jenis perangkat karena LiteLLM sering digunakan dalam pengembangan aplikasi AI. Di organisasi yang mengoperasikan layanan digital, paket tersebut berpotensi tersedia pada perangkat kerja teknis, server pengujian, image container, dan infrastruktur otomatisasi pembangunan aplikasi. Jika sistem memasang paket yang disusupi, kode berbahaya berpotensi memperoleh akses kredensial yang memiliki izin akses pada lingkungan tersebut. Risiko lanjutan dari kondisi tersebut mencakup penyalahgunaan API, perubahan konfigurasi, dan peningkatan biaya layanan akibat penyalahgunaan. Namun perlu dipahami, paparan paket tidak selalu membuktikan eksfiltrasi berhasil.
Kasus LiteLLM juga memperlihatkan bagaimana penyusupan rantai pasokan aplikasi dapat melewati pemeriksaan pengguna. Menurut hasil investigasi pengelola, pelaku memanfaatkan kelemahan dalam rangkaian pengamanan penerbitan. Paket yang diterbitkan tidak berasal dari proses pembangunan kode yang semestinya. Rangkaian penyusupan tersebut menunjukkan bahwa pemeriksaan tidak hanya pada perubahan kode yang terlihat, tetapi juga pipeline pembangunan. Di lingkungan DevOps, perlindungan proses rilis memerlukan perhatian khusus. Tanpa pengendalian memadai, organisasi mungkin menjalankan komponen yang telah dimodifikasi meskipun memanfaatkan layanan distribusi yang terpercaya.
Panduan Penanganan Paket Python Terinfeksi dan Rotasi Kredensial
Bagi organisasi yang menggunakan LiteLLM, penanganan awal perlu memetakan seluruh instalasi berisiko. Kegiatan penelusuran tersebut perlu mencakup komputer pengembang, server pengujian, container, cache paket, dan artefak hasil build. Perlu diperhatikan, pemeriksaan pada lingkungan yang diduga terinfeksi sebaiknya menghindari penggunaan Python dari instalasi yang dicurigai. Hal tersebut penting karena startup interpreter dapat memicu malware. Sebagai alternatif, administrator dapat menggunakan alat analisis dari sistem bersih. Jika instalasi berbahaya ditemukan, sistem harus ditangani melalui mekanisme respons insiden untuk mengurangi kemungkinan akses lanjutan.
Ketika cakupan insiden telah diketahui, organisasi harus mengevaluasi informasi autentikasi berisiko. Kredensial tersebut meliputi API key penyedia model, akses cloud, kredensial Git, SSH, dan informasi autentikasi database. Penerbitan ulang token keamanan sebaiknya dijalankan melalui sistem yang tidak terkompromi. Selain mengganti kredensial, administrator perlu membangun ulang lingkungan yang terdampak. Dalam rekomendasi keamanannya, Microsoft menjelaskan bahwa sekadar mencopot pustaka tidak menjamin pemulihan. Kondisi tersebut terjadi karena file startup berbahaya mungkin tersimpan pada lokasi pustaka Python. Karena alasan tersebut, penanganan insiden yang mencakup sistem dan identitas harus diprioritaskan.
Pelajaran Keamanan Siber dari Penyusupan LiteLLM 1.107.0
Pengungkapan Microsoft mengenai LiteLLM 1.107.0 menjadi pengingat penting dalam pengembangan TEKNOLOGI kecerdasan buatan. Melalui manipulasi proses distribusi, penyerang menempatkan komponen pencuri informasi pada paket yang didistribusikan. Teknik eksekusi otomatis yang digunakan memperluas potensi risiko karena proses interpreter dapat mengaktifkan kode tanpa impor LiteLLM. Meskipun distribusi berbahaya sudah dihentikan, pemeriksaan sistem tetap diperlukan. Insiden tersebut menunjukkan perlunya pengawasan keamanan perangkat lunak dan pembatasan izin layanan sesuai kebutuhan. Dengan menerapkan pendekatan tersebut, organisasi memiliki kesiapan lebih baik menghadapi ancaman supply chain. Bagaimana menurut Anda perlindungan dependensi Python dan layanan AI? Sampaikan pengalaman Anda mengenai pentingnya keamanan perangkat lunak sumber terbuka.
