Зловредные npm-пакеты для Amazon, Slack используют путаницу зависимостей

Зловредные npm-пакеты для Amazon, Slack используют путаницу зависимостей

Зловредные npm-пакеты для Amazon, Slack используют путаницу зависимостей

В репозитории npm обнаружены вредоносные NodeJS-пакеты, предназначенные для использования в приложениях Amazon, Zillow, Lyft и Slack. Внедрение зловредов, нацеленных на кражу паролей, осуществляется посредством эксплуатации уязвимости, известной как dependency confusion (путаница зависимостей).

Новый способ атаки на цепочку поставок, использующий dependency confusion, обнаружил ИБ-исследователь Алекс Бирсан (Alex Birsan). Разрабатывая свой PoC, он использовал тот факт, что при подключении компонента, размещенного и в открытом, и во внутреннем репозитории компании, приложение отдает предпочтение первому. Если пакет в публичном хранилище окажется зараженным, злоумышленнику удастся внедрить зловреда в сеть атакуемой компании.

Созданный Бирсаном PoC-эксплойт быстро подхватили другие баг-хантеры, но злонамеренного использования до сих пор замечено не было. Однако недавно в репозитории npm были обнаружены несколько поддельных пакетов на основе этого PoC с добавлением откровенно вредоносного кода.

По именам эти фейки (amzn, zg-rentals, lyft-dataset-sdk, serverless-slack-app) схожи с легитимными проектами, размещенными на GitHub и во внутренних хранилищах целевых компаний. Проведенное в Sonatype тестирование показало, что amzn и zg-rentals крадут файл паролей из папки /etc/shadows, а также внедряют шелл-код, открывающий удаленный доступ к зараженной системе.

Пакеты lyft-dataset-sdk и serverless-slack-app нацелены на кражу файла .bash_history, в котором хранится история данных и команд, введенных с использованием командной строки Bash, — в том числе пароли, передаваемые в качестве аргумента.

Поскольку фальсификация подобных компонентов не составит особого труда, а размещаются они в общедоступных репозиториях, эксперты ожидают роста количества злоупотреблений dependency confusion.

В Security Vision SOAR появились ИИ-ассистент и ML-отчёты

Security Vision выпустила обновление платформы SOAR, добавив в неё несколько заметных функций — локальный ИИ-ассистент, ML-скоринг инцидентов и автоматические ML-отчёты по итогам расследований. Обновление ориентировано на повседневную работу SOC и обработку инцидентов без выхода за контур заказчика.

Security Vision SOAR используется для управления и автоматизации реагирования на инциденты информационной безопасности на всех этапах их жизненного цикла — от выявления и анализа до восстановления и постинцидентной работы.

В основе платформы лежит объектно-ориентированный подход: каждый элемент инцидента — будь то хост, учётная запись, процесс или артефакт — рассматривается как отдельный объект со своей историей, связями и возможными действиями.

Сценарии реагирования в системе динамические: плейбуки автоматически подстраиваются под развитие инцидента, появление новых данных и техник атак. Дополнительно платформа выстраивает цепочку Kill Chain, показывая, как развивалась атака и какие шаги предпринимал злоумышленник.

Система также предлагает рекомендации по дальнейшим действиям, опираясь на контекст инцидента, накопленный опыт SOC и ML-модели, включая оценку вероятности ложного срабатывания.

 

В новом релизе появился локальный ИИ-ассистент в формате чат-бота. Он работает полностью внутри инфраструктуры заказчика и не обращается к внешним сервисам. Ассистент учитывает контекст конкретного инцидента — его стадию, связанные объекты, историю действий и похожие кейсы — и помогает аналитикам разбираться в событиях, расшифровывать логи, понимать техники атак или формировать команды для диагностики. Модель может дообучаться прямо в SOC на результатах обработки инцидентов и аналитических бюллетенях, при этом все данные остаются внутри контура.

Ещё одно нововведение — ML-скоринг критичности инцидентов. Модель автоматически оценивает приоритет события на основе его масштаба и значимости затронутых активов, что упрощает триаж и помогает быстрее понять, какие инциденты требуют внимания в первую очередь.

Также в платформе появился ML-summary — автоматическое резюме по итогам расследования. При закрытии инцидента система формирует краткий отчёт в едином формате: что произошло, какие действия были выполнены, к какому результату они привели и удалось ли атакующему чего-то добиться. Такое резюме сохраняется в карточке инцидента и отчётности, упрощая передачу дел между сменами и снижая потерю контекста.

В целом обновление направлено на то, чтобы упростить и ускорить рутинную работу SOC: быстрее разбираться в инцидентах, снижать нагрузку на аналитиков и сохранять знания внутри команды без необходимости вручную оформлять каждый шаг расследования.

RSS: Новости на портале Anti-Malware.ru