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
Divisi riset keamanan siber Microsoft menjelaskan rincian insiden mengenai serangan terhadap rantai pasokan LiteLLM versi 1.107.0. Peristiwa keamanan ini terjadi pada 21 Oktober 2026 melalui repositori Python Package Index dan sejumlah image container resmi. Proyek sumber terbuka tersebut dikenal 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. Rilis yang disusupi dapat diunduh sekitar pukul 11.39 hingga 13.23 UTC pada 21 Oktober 2026. Selain paket Python, sejumlah image container dengan tag v1.107.0, latest, main-latest, dan main-stable juga sempat terdampak. Setelah insiden teridentifikasi, pengelola menarik paket yang terdampak dan memulihkan sumber pembaruan yang terdampak. Namun demikian, perangkat yang menggunakan artefak terdampak selama periode insiden masih memerlukan pemeriksaan keamanan. Hal tersebut memperlihatkan perlunya pemulihan kredensial.
Mengapa Malware LiteLLM Bisa Aktif Tanpa Digunakan Aplikasi
Keunikan teknis yang menjadi perhatian adalah aktivasi kode berbahaya ketika Python dimulai. Pada distribusi LiteLLM yang disusupi, peneliti mendeteksi beberapa berkas yang tidak semestinya ada bernama cook.pth, cook.py, dan sitecustomize.py. File yang disisipkan penyerang ditempatkan pada direktori pustaka Python sehingga memanfaatkan prosedur startup interpreter. Pendekatan penyusupan ini berbeda dari serangan yang hanya aktif ketika pustaka dipanggil. Akibatnya, pengembang yang memulai proses Python untuk kebutuhan lain dapat mengaktifkan komponen berbahaya tanpa mengakses fungsi gateway AI secara langsung.
Melalui komponen yang ditemukan peneliti, file cook.pth digunakan untuk menjalankan komponen cook.py. Komponen pemuat ini menyimpan instruksi yang telah dikaburkan menggunakan Base64 dan kompresi zlib. Ketika kode berhasil dipulihkan, program mengaktifkan modul pencuri informasi. Para penyelidik siber menemukan penanda program bernama PRIVCOLLECT. Sementara itu, sitecustomize.py memiliki fungsi pemanggilan program tambahan pada lingkungan berbasis Unix. Kemampuan tersebut memungkinkan perubahan muatan berbahaya tanpa memerlukan pembaruan resmi lainnya. Namun demikian, Microsoft tidak menyatakan bahwa mekanisme tambahan tersebut berhasil dijalankan selama investigasinya.
Jenis Kredensial yang Menjadi Sasaran Malware LiteLLM
Investigasi terhadap kode berbahaya menunjukkan bahwa malware dirancang untuk mencari berbagai jenis informasi autentikasi yang tersimpan dalam lingkungan pengembangan. Kategori kredensial yang dicari termasuk token autentikasi dari penyedia AI, file konfigurasi, dan pengaturan sistem dengan kredensial sensitif. Tidak hanya menargetkan akses AI, program menelusuri konfigurasi pengelolaan kode serta berkas autentikasi koneksi aman. Lingkungan pengembangan berbasis AWS, Azure, dan Google Cloud juga termasuk dalam sasaran pengumpulan. Jika informasi tersebut berhasil dicuri, ancaman tidak terbatas pada satu aplikasi karena sejumlah kredensial memiliki hubungan dengan infrastruktur produksi.
Tidak hanya mencari kunci akses layanan, malware dirancang membaca data tertentu dari peramban. Data yang dicari termasuk catatan aktivitas peramban dan sejumlah berkas yang berkaitan dengan autentikasi web. Meski kemampuan pengumpulan cukup luas, keberadaan fungsi pencarian tidak membuktikan seluruh data berhasil dicuri. Kemampuan membaca kredensial dipengaruhi perlindungan sistem operasi. Malware yang dianalisis mengemas data yang ditemukan sebelum menyiapkan pengiriman menuju infrastruktur eksternal. Dalam analisis teknis, sistem tersebut memanfaatkan kombinasi AES dan RSA untuk mempersulit pemeriksaan data hasil pencurian. Metode pengemasan tersebut membuat investigasi memerlukan perhatian lebih.
Dampak Penyusupan LiteLLM terhadap Pengembang dan Infrastruktur AI
Insiden rantai pasokan perangkat lunak ini tidak terbatas pada satu jenis perangkat karena LiteLLM sering digunakan dalam pengembangan aplikasi AI. Pada lingkungan perusahaan, paket tersebut berpotensi tersedia pada perangkat kerja teknis, server pengujian, image container, dan sistem integrasi berkelanjutan. Apabila lingkungan tersebut menjalankan versi terinfeksi, kode berbahaya berpotensi memperoleh akses kredensial yang dapat diakses oleh identitas pengguna. Risiko lanjutan dari kondisi tersebut mencakup penyalahgunaan API, perubahan konfigurasi, dan gangguan pada proses pengembangan. Walaupun demikian, paparan paket tidak selalu membuktikan eksfiltrasi berhasil.
Serangan ini menjadi contoh bagaimana manipulasi proses rilis paket dapat melewati pemeriksaan pengguna. Menurut hasil investigasi pengelola, pelaku menyalahgunakan mekanisme distribusi perangkat lunak. Artefak yang didistribusikan tidak berasal dari proses pembangunan kode yang semestinya. Peristiwa ini menunjukkan bahwa pemeriksaan tidak hanya pada kode sumber aplikasi, tetapi juga pipeline pembangunan. Di lingkungan DevOps, keamanan supply chain menjadi semakin penting. Jika mekanisme distribusi tidak terlindungi, organisasi dapat memasang paket yang tidak sesuai kode resmi meskipun mengunduh dari saluran yang tampak sah.
Strategi Mitigasi Serangan Supply Chain untuk Pengembang
Bagi organisasi yang menggunakan LiteLLM, langkah pertama adalah mengidentifikasi cakupan paparan. Pemeriksaan tersebut harus memperhatikan komputer pengembang, server pengujian, container, cache paket, dan berkas dependensi yang tersimpan. Perlu diperhatikan, pemeriksaan pada lingkungan yang diduga terinfeksi harus dilakukan tanpa mengaktifkan proses Python berisiko. Hal tersebut bertujuan menghindari pelaksanaan otomatis komponen pencuri data. Sebagai alternatif, administrator dapat menggunakan alat analisis dari sistem bersih. Ketika lingkungan berisiko berhasil dipetakan, sistem harus ditangani melalui mekanisme respons insiden untuk mengurangi kemungkinan akses lanjutan.
Sesudah sistem berisiko berhasil dipisahkan, organisasi harus mengevaluasi informasi autentikasi berisiko. Informasi yang perlu diperiksa meliputi API key penyedia model, akses cloud, kredensial Git, SSH, dan informasi autentikasi database. Rotasi kredensial harus dilakukan dari lingkungan yang bersih. Tidak hanya memperbarui token, administrator harus membersihkan komponen startup berbahaya. Dalam rekomendasi keamanannya, Microsoft menjelaskan bahwa penghapusan direktori aplikasi belum tentu menyingkirkan malware. Kondisi tersebut terjadi karena file startup berbahaya dapat berada di luar direktori aplikasi. Dengan demikian, pemulihan menyeluruh dan validasi keamanan merupakan bagian penting dari perlindungan lanjutan.
Pelajaran Keamanan Siber dari Penyusupan LiteLLM 1.107.0
Pengungkapan Microsoft mengenai LiteLLM 1.107.0 menjadi pengingat penting dalam pengelolaan ekosistem perangkat lunak modern. Dengan menyusupi mekanisme publikasi paket, penyerang berhasil menyebarkan kode berbahaya. Teknik eksekusi otomatis yang digunakan meningkatkan cakupan paparan karena penggunaan Python biasa dapat memicu payload. Walaupun paket terdampak telah ditarik, pemulihan lingkungan berisiko tidak boleh diabaikan. Peristiwa keamanan tersebut menunjukkan perlunya pengawasan keamanan perangkat lunak dan penerapan prinsip akses minimum. Melalui pengamanan berlapis, organisasi dapat mengurangi dampak serangan serupa. Bagaimana menurut Anda perlindungan kredensial pengembang dalam lingkungan cloud? Bagikan pemikiran Anda mengenai upaya mencegah serangan rantai pasokan.
