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 mengungkap temuan penting mengenai serangan terhadap rantai pasokan LiteLLM versi 1.107.0. Insiden tersebut bermula ketika rilis berbahaya diterbitkan tanggal 21 Oktober 2026 melalui layanan distribusi paket PyPI dan sejumlah image container resmi. LiteLLM sendiri dikenal sebagai penghubung antara aplikasi dengan berbagai penyedia model kecerdasan buatan. Dengan memanfaatkan LiteLLM, pengembang mampu mengintegrasikan layanan menuju beragam model bahasa melalui sistem pengelolaan API yang lebih sederhana. Dengan mempertimbangkan posisinya dalam layanan AI dan infrastruktur pengembangan, insiden ini menimbulkan risiko terhadap berbagai lingkungan kerja.
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. Selain paket Python, sejumlah image container dengan tag v1.107.0, latest, main-latest, dan main-stable termasuk dalam cakupan kompromi. Ketika penyusupan berhasil diketahui, pengelola menarik paket yang terdampak dan memperbarui penunjuk image container. Namun demikian, perangkat yang menggunakan artefak terdampak selama periode insiden tidak otomatis kembali aman. Hal tersebut memperlihatkan perlunya pemulihan kredensial.
Teknik Penyusupan Kode Berbahaya dalam Paket LiteLLM 1.107.0
Keunikan teknis yang menjadi perhatian adalah aktivasi kode berbahaya ketika Python dimulai. Pada distribusi LiteLLM yang disusupi, 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. Mekanisme tersebut berbeda dari serangan yang hanya aktif ketika pustaka dipanggil. Akibatnya, pengembang yang mengaktifkan interpreter pada lingkungan terdampak mungkin menjalankan kode pencuri informasi tanpa mengakses fungsi gateway AI secara langsung.
Dalam mekanisme startup pertama, file cook.pth memicu pemuatan modul cook.py. Berkas Python tersebut berisi program yang disamarkan menggunakan Base64 dan kompresi zlib. Ketika kode berhasil dipulihkan, program menjalankan fungsi pengumpulan kredensial. Tim analisis keamanan menjelaskan bahwa modul mengidentifikasi dirinya sebagai PRIVCOLLECT. Sementara itu, sitecustomize.py menyediakan kemampuan pemuatan kode lanjutan pada lingkungan berbasis Unix. Rancangan pemuat tersebut memberikan peluang pengunduhan kode berikutnya tanpa memerlukan pembaruan resmi lainnya. Namun demikian, Microsoft tidak menyatakan bahwa mekanisme tambahan tersebut berhasil dijalankan selama investigasinya.
Data Sensitif yang Berpotensi Dicuri Melalui Paket Python Berbahaya
Hasil pemeriksaan keamanan Microsoft memperlihatkan upaya pencurian terhadap berbagai jenis informasi autentikasi yang digunakan oleh aplikasi dan sistem cloud. Kategori kredensial yang dicari meliputi kunci akses layanan dari penyedia AI, file konfigurasi, dan pengaturan sistem dengan kredensial sensitif. Tidak hanya menargetkan akses AI, program mencari kredensial Git serta berkas autentikasi koneksi aman. Lingkungan pengembangan berbasis 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 token tertentu dapat digunakan untuk mengakses sumber daya tambahan.
Selain informasi pengembang, malware dirancang membaca data tertentu dari peramban. Informasi yang menjadi sasaran termasuk catatan aktivitas peramban dan sejumlah database kredensial browser. Perlu dibedakan, keberadaan fungsi pencarian tidak membuktikan seluruh data berhasil dicuri. Kemampuan membaca kredensial ditentukan oleh akses dan konfigurasi perangkat. Program berbahaya tersebut menyatukan hasil pengumpulan sebelum menyiapkan pengiriman menuju infrastruktur eksternal. Berdasarkan pemeriksaan kode, sistem tersebut menerapkan mekanisme pengamanan data dengan dua algoritma kriptografi untuk mengaburkan isi informasi yang dikirim. Metode pengemasan tersebut menunjukkan rancangan malware yang cukup terstruktur.
Risiko Serangan Supply Chain pada Proyek Python dan Cloud
Insiden rantai pasokan perangkat lunak ini berpotensi memengaruhi berbagai lingkungan karena LiteLLM terintegrasi dengan layanan kecerdasan buatan. Di organisasi yang mengoperasikan layanan digital, paket tersebut dapat terpasang pada workstation, server pengujian, image container, dan sistem integrasi berkelanjutan. Jika sistem memasang paket yang disusupi, malware dapat mencoba membaca informasi kredensial yang dapat diakses oleh identitas pengguna. Risiko lanjutan dari kondisi tersebut mencakup penyalahgunaan API, perubahan konfigurasi, dan gangguan pada proses pengembangan. Meski cakupan ancaman cukup besar, keberadaan versi terdampak tidak otomatis menunjukkan seluruh data telah diambil.
Serangan ini menjadi contoh bagaimana kompromi distribusi perangkat lunak berpotensi menyebarkan komponen berbahaya secara luas. Berdasarkan penjelasan tim LiteLLM, pelaku berhasil memengaruhi proses publikasi rilis. Artefak yang didistribusikan tidak berasal dari proses pembangunan kode yang semestinya. Rangkaian penyusupan tersebut memperlihatkan kebutuhan terhadap pemeriksaan tidak hanya pada repositori proyek, tetapi juga pipeline pembangunan. Di lingkungan DevOps, keamanan supply chain menjadi semakin penting. Jika mekanisme distribusi tidak terlindungi, organisasi mungkin menjalankan komponen yang telah dimodifikasi meskipun memanfaatkan layanan distribusi yang terpercaya.
Panduan Penanganan Paket Python Terinfeksi dan Rotasi Kredensial
Untuk pengembang yang pernah memasang versi terdampak, langkah pertama adalah mengidentifikasi cakupan paparan. Pemeriksaan tersebut sebaiknya meliputi komputer pengembang, server pengujian, container, cache paket, dan artefak hasil build. Namun demikian, pemeriksaan pada lingkungan yang diduga terinfeksi harus dilakukan tanpa mengaktifkan proses Python berisiko. Tindakan pencegahan ini bertujuan menghindari pelaksanaan otomatis komponen pencuri data. Sebagai alternatif, administrator sebaiknya memeriksa disk melalui lingkungan tepercaya. Jika instalasi berbahaya ditemukan, sistem perlu diisolasi sesuai prosedur untuk mengurangi kemungkinan akses lanjutan.
Setelah lingkungan terdampak diidentifikasi, organisasi sebaiknya memetakan seluruh rahasia yang dapat diakses malware. Data sensitif yang menjadi prioritas termasuk kunci autentikasi aplikasi AI, akses cloud, kredensial Git, SSH, dan informasi autentikasi database. Penggantian kunci akses sebaiknya dijalankan melalui sistem yang tidak terkompromi. Tidak hanya memperbarui token, administrator sebaiknya memulihkan sistem dari sumber yang telah diverifikasi. Tim keamanan Microsoft mengingatkan bahwa sekadar mencopot pustaka tidak menjamin pemulihan. Alasannya file startup berbahaya berpotensi tetap tersedia setelah paket utama dihapus. Karena alasan tersebut, penanganan insiden yang mencakup sistem dan identitas harus diprioritaskan.
Masa Depan Perlindungan Paket Python dan Infrastruktur AI
Hasil investigasi keamanan terhadap paket LiteLLM terinfeksi memperlihatkan tantangan serius dalam perlindungan infrastruktur digital. Berkat penyalahgunaan jalur rilis perangkat lunak, penyerang berhasil menyebarkan kode berbahaya. Kemampuan malware berjalan saat Python dimulai memperluas potensi risiko karena lingkungan yang memasang paket berbahaya dapat menjalankan malware secara tidak langsung. Sekalipun pengelola telah menangani rilis yang disusupi, pemeriksaan sistem tetap diperlukan. Insiden tersebut memperlihatkan kebutuhan perlindungan pipeline rilis dan penerapan prinsip akses minimum. Melalui pengamanan berlapis, organisasi memiliki kesiapan lebih baik menghadapi ancaman supply chain. Apa pandangan Anda perlindungan dependensi Python dan layanan AI? Silakan bagikan pendapat Anda mengenai langkah menjaga infrastruktur pengembangan tetap aman.
