问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年5月，网络安全领域曝出典型大语言模型滥用案例。据安全研究员Sibi Moosa监测，恶意开发者利用Anthropic旗下大语言模型Claude编写恶意代码，向npm包仓库推送超670个含窃取脚本的污染包，可盗取开发者敏感凭据、私有代码库资源。该事件暴露出大语言模型降低恶意软件开发门槛的风险，已引发全球网络安全行业高度警惕。
作为全球应用最广的JavaScript软件包管理系统，npm仓库承载着超过千万个开源组件，是全球前端开发者日常开发的核心基础设施。而近期曝出的这起大规模投毒事件，再次将开源生态的安全软肋和AI滥用的新风险摆到了行业面前。
过去几年，npm仓库的恶意代码投毒事件时有发生，但此前的攻击大多由攻击者手动编写代码、逐个上传包，投放规模通常仅有数个到数十个，扩散速度相对可控，平台通过人工审核和简单的特征匹配就能拦截大部分风险。
随着开源组件的调用率持续攀升，90%以上的商业软件项目都会引入第三方开源包，开源供应链早已成为网络攻击者的核心靶场，一旦投毒成功就可能影响数十万甚至上百万个下游项目，收益远高于传统定向攻击。
此次曝光的案例打破了过往的攻击规律。据网络安全研究员Sibi Moosa的监测数据，网名为“mousie-5212-super-formatter”的恶意开发者，全程借助Anthropic旗下大语言模型Claude生成恶意代码的核心逻辑，仅通过简单的指令诱导，就获得了逻辑严密、隐蔽性极强的凭据窃取脚本。
整个攻击过程的自动化程度极高，攻击者仅需对Claude输出的代码做简单的伪装和打包，就能生成可正常安装的npm包。短时间内，攻击者就向npm仓库推送了超670个受污染软件包，这些包被下载安装后，会悄悄窃取用户设备上的npm令牌、GitHub访问凭据，甚至爬取本地存储的私有代码库源代码，将所有数据上传至攻击者控制的远端服务器。
此次事件也暴露出当前大语言模型安全对齐机制的盲区。现有LLM的内容审核规则大多会直接拒绝“写恶意代码”的明确请求，但攻击者可以通过拆分需求、伪装成正常功能开发等诱导方式，绕开审核规则获取所需的恶意代码片段，拼接后就能实现完整的攻击功能。
业内安全专家提醒，此次事件只是AI滥用的一个缩影，未来针对开源生态的AI辅助攻击会越来越多。一方面，大语言模型厂商需要优化对齐策略，识别更隐蔽的恶意请求；另一方面，npm等开源包管理平台也需要升级审核机制，加入针对AI生成恶意代码的专项检测能力，从源头阻断污染包的扩散。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号