TanStack 遭 NPM 供应链攻击：42个包84个版本被注入恶意代码，三重漏洞链详解

04115

事件概述

2026年5月11日，流行的 JavaScript 生态系统 TanStack（React Query、React Table、TanStack Router 等库的维护者）遭遇了一次精心策划的 NPM 供应链攻击。攻击者利用 GitHub Actions 缓存投毒、pull_request_target 工作流漏洞和 OIDC 令牌内存提取的三重漏洞链，成功向 NPM 发布了 42 个包的 84 个恶意版本。

这次攻击之所以引起广泛关注，不仅因为 TanStack 是前端生态的核心依赖，更因为它展示了现代 CI/CD 供应链攻击的复杂程度——三个漏洞单独都不足以完成攻击，但被巧妙地串联在一起。

攻击链详解：三步串联

第一步：pull_request_target 工作流漏洞

攻击者在 TanStack/router 仓库创建了一个看似正常的 PR（标题为”WIP: simplify history build”），利用 bundle-size.yml 工作流中使用的 pull_request_target 触发器。这个触发器会在 fork PR 上运行，但具有主仓库的权限上下文。

关键问题在于：actions/cache@v5 的 post-job 缓存保存操作不受 permissions: 配置限制，它使用 runner 内部令牌而非 workflow GITHUB_TOKEN。即使设置了 permissions: contents: read，缓存修改仍然可以进行。

第二步：GitHub Actions 缓存投毒

攻击者提交了一个恶意的 vite_setup.mjs 文件（约 30,000 行混淆 JS），在构建过程中将恶意数据写入 pnpm-store 目录，并使用与 release.yml 发布工作流完全匹配的缓存键。

当维护者合并其他正常 PR 触发 release.yml 时，GitHub Actions 自动恢复了被投毒的缓存——这是缓存机制的正常行为，却成了攻击的入口。

第三步：OIDC 令牌内存提取

release.yml 声明了 id-token: write 权限用于 NPM OIDC 可信发布。被投毒的缓存中包含攻击者控制的二进制文件，它通过 /proc/*/cmdline 定位 GitHub Actions Runner.Worker 进程，读取 /proc/<pid>/maps 和 /proc/<pid>/mem 从内存中提取 OIDC 令牌，然后直接向 registry.npmjs.org 发送发布请求。

受影响范围

42 个 TanStack 包被发布恶意版本，每个包两个版本（间隔约 6 分钟）。恶意软件安装后会：

  • 窃取凭证：AWS IMDS/Secrets Manager、GCP 元数据、Kubernetes 服务账户令牌、Vault 令牌、~/.npmrc、GitHub 令牌、SSH 私钥
  • 外传数据：通过 Session/Oxen 加密信使网络（filev2.getsession.org）传输，端到端加密使得 IP/域名封锁成为唯一的网络层防御
  • 自我传播：枚举受害者维护的其他包，以相同方式注入并重新发布

已确认未受影响的包族包括：@tanstack/query*、@tanstack/table*、@tanstack/form*、@tanstack/virtual*、@tanstack/store、@tanstack/start（元包）。

时间线

5月10日 17:16 UTC：攻击者创建 fork 仓库（重命名为 configuration 以规避 fork 列表搜索）

5月10日 23:29 UTC：提交恶意代码，使用伪造身份 claude <claude@users.noreply.github.com>

5月11日 10:49 UTC：PR 被提交，pull_request_target 自动运行

5月11日 11:29 UTC：1.1GB 投毒缓存被保存

5月11日 19:15 UTC：维护者合并正常 PR，触发 release.yml，恶意包被发布

5月11日 ~19:50 UTC：外部研究员 ashishkurmi（StepSecurity）发现并报告——距恶意发布仅约 20 分钟

5月11日 21:00 UTC：确认影响范围，所有恶意版本被标记为 deprecated

修复与加固措施

TanStack 团队在事后采取了以下措施：

  • 禁用发布流水线中的 pnpm 缓存
  • 清除所有 GitHub Actions 缓存条目
  • 将所有第三方 action 固定到 commit SHA（不再使用浮动标签）
  • 移除所有 pull_request_target，替换为 workflow_run + 沙箱化 pull_request 工件
  • 强制非短信 2FA（npm 和 GitHub）
  • 升级到 pnpm 11
  • 引入 zizmor（GitHub Actions 工作流静态分析器）作为必需的 PR 检查
  • 为 .github 文件夹添加 CODEOWNERS
  • 考虑关闭外部贡献者 PR，改为”欢迎 Issue 和 Discussion，PR 仅限邀请”

对站长和开发者的启示

1. 审计你的 GitHub Actions 工作流：检查是否使用了 pull_request_target，这是已知的危险模式。

2. 固定依赖版本和 Action SHA：不要使用 @main 或 @v6 等浮动引用。

3. 关注依赖安全告警：如果你的项目依赖 TanStack，务必检查是否使用了受影响版本。

4. 使用 npm audit 定期检查：供应链攻击越来越复杂，自动化安全检查必不可少。

5. 了解你的 CI/CD 安全边界：缓存投毒、OIDC 令牌提取等高级攻击手法正在变得越来越普遍。

本文参考来源：

© 版权声明
文章版权声明 1、本网站名称：枫选
2、本站永久网址：https://feng.cx
3、本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长进行删除处理。
4、本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5、本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6、本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END
开源项目
喜欢就支持一下吧
点赞15 分享
迪滴的头像-枫选
西德尼·斯维尼主演惊悚剧情电影偷窥者 (2021)-枫选
西德尼·斯维尼主演惊悚剧情电影偷窥者 (2021)
西德尼·斯维尼主演惊悚剧情电影偷窥者 (2021)
1年前 611
在CF托管域名？无法关闭的CloudFlare拉平机制如何解决-枫选
在CF托管域名？无法关闭的CloudFlare拉平机制如何解决
在CF托管域名？无法关闭的CloudFlare拉平机制如何解决
1年前 429
温子仁导演电影作品合集（13部）-枫选
温子仁导演电影作品合集（13部）
温子仁导演电影作品合集（13部）
1年前 344
WoodMart 8.0.6 Responsive WordPress Theme-枫选
WoodMart 8.0.6 Responsive WordPress Theme
WoodMart 8.0.6 Responsive WordPress Theme
2年前 305
外贸独立站ab轮询收款系统-枫选
外贸独立站ab轮询收款系统
外贸独立站ab轮询收款系统
2年前 301
WP Rocket (v3.18) Caching Plugin for WordPress-枫选
WP Rocket (v3.18) Caching Plugin for WordPress
WP Rocket (v3.18) Caching Plugin for WordPress
2年前 299
相关推荐
Ouroboros 把 AI 开发需求写成规格，适合想少写提示词的团队-枫选
Ouroboros 把 AI 开发需求写成规格，适合想少写提示词的团队
Ouroboros 把 AI 开发需求写成规格，适合想少写提示词的团队
7天前 51
花 600 美元写个软件免费送：一个独立开发者的开源经历分享-枫选
花 600 美元写个软件免费送：一个独立开发者的开源经历分享
花 600 美元写个软件免费送：一个独立开发者的开源经历分享
7天前 50
Airbyte Agents：让AI Agent跨多个数据源搜索的开源工具-枫选
Airbyte Agents：让AI Agent跨多个数据源搜索的开源工具
Airbyte Agents：让AI Agent跨多个数据源搜索的开源工具
2天前 50
local-deep-research：支持本地LLM的AI深度研究工具，SimpleQA准确率达95%-枫选
local-deep-research：支持本地LLM的AI深度研究工具，SimpleQA准确率达95%
local-deep-research：支持本地LLM的AI深度研究工具，SimpleQA准确率达95%
6天前 50
LynxDB：纯 Rust 实现的高性能键值存储引擎，自研 LSM-Tree 架构-枫选
LynxDB：纯 Rust 实现的高性能键值存储引擎，自研 LSM-Tree 架构
LynxDB：纯 Rust 实现的高性能键值存储引擎，自研 LSM-Tree 架构
昨天 50
<p>GitHub本周最火的项目之一，TradingAgents在短短时间内获得了超过7万星标，成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架，让”AI炒股”从概念走向了可实验的开源工具。</p> <h2>项目简介</h2> <p>TradingAgents是一个开源的多Agent金融交易分析框架，核心思路是让多个AI Agent各司其职，协同完成金融市场的分析和交易决策。项目地址：<a href=GitHub – TauricResearch/TradingAgents

架构设计

TradingAgents的设计借鉴了真实金融交易团队的分工模式，将不同职责分配给不同的Agent：

  • 分析师Agent：负责分析市场数据、财报、新闻等信息，产出分析报告。
  • 研究员Agent：深入研究特定行业或公司，提供基本面分析。
  • 交易员Agent：根据分析结果制定交易策略和执行计划。
  • 风控Agent：评估交易风险，设置止损和仓位控制。
  • 决策Agent：综合各方意见，做出最终交易决策。

这种多Agent协作的模式，模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型，甚至可以使用同一模型的不同温度参数来产生多样化的观点。

使用场景

学术研究

TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。

策略回测

框架支持接入历史市场数据，可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。

学习和教育

对于想了解AI在金融领域应用的开发者，TradingAgents是一个很好的学习项目。代码结构清晰，文档完善，适合上手研究。

安装和运行

# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件，填入 OpenAI API key

重要风险提示

⚠️ 以下几点需要特别注意：

  • 不要用真金白银：TradingAgents是一个研究和实验框架，不是成熟的交易系统。绝对不要用它来做实盘交易。
  • AI不是万能的：金融市场受到无数因素影响，AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
  • 回测不等于实盘：在历史数据上表现好的策略，在真实交易中可能完全失败（过拟合问题）。
  • 合规风险：在某些司法管辖区，使用AI进行自动化交易可能受到监管限制。

同类项目参考

如果你对AI+金融感兴趣，还可以关注以下项目：

  • FinRL：深度强化学习金融交易框架
  • Qlib：微软开源的量化投资平台
  • GPT-Financial-Analyst：基于GPT的财务分析工具

来源：

-枫选">

GitHub本周最火的项目之一，TradingAgents在短短时间内获得了超过7万星标，成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架，让”AI炒股”从概念走向了可实验的开源工具。

项目简介

TradingAgents是一个开源的多Agent金融交易分析框架，核心思路是让多个AI Agent各司其职，协同完成金融市场的分析和交易决策。项目地址：GitHub – TauricResearch/TradingAgents

架构设计

TradingAgents的设计借鉴了真实金融交易团队的分工模式，将不同职责分配给不同的Agent：

  • 分析师Agent：负责分析市场数据、财报、新闻等信息，产出分析报告。
  • 研究员Agent：深入研究特定行业或公司，提供基本面分析。
  • 交易员Agent：根据分析结果制定交易策略和执行计划。
  • 风控Agent：评估交易风险，设置止损和仓位控制。
  • 决策Agent：综合各方意见，做出最终交易决策。

这种多Agent协作的模式，模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型，甚至可以使用同一模型的不同温度参数来产生多样化的观点。

使用场景

学术研究

TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。

策略回测

框架支持接入历史市场数据，可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。

学习和教育

对于想了解AI在金融领域应用的开发者，TradingAgents是一个很好的学习项目。代码结构清晰，文档完善，适合上手研究。

安装和运行

# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件，填入 OpenAI API key

重要风险提示

⚠️ 以下几点需要特别注意：

  • 不要用真金白银：TradingAgents是一个研究和实验框架，不是成熟的交易系统。绝对不要用它来做实盘交易。
  • AI不是万能的：金融市场受到无数因素影响，AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
  • 回测不等于实盘：在历史数据上表现好的策略，在真实交易中可能完全失败（过拟合问题）。
  • 合规风险：在某些司法管辖区，使用AI进行自动化交易可能受到监管限制。

同类项目参考

如果你对AI+金融感兴趣，还可以关注以下项目：

  • FinRL：深度强化学习金融交易框架
  • Qlib：微软开源的量化投资平台
  • GPT-Financial-Analyst：基于GPT的财务分析工具

来源：

GitHub本周最火的项目之一，TradingAgents在短短时间内获得了超过7万星标，成为多Agent AI应...

5天前 50
评论 抢沙发

请登录后发表评论

    暂无评论内容