NVIDIA TransformerEngine项目中发现恶意文件攻击事件分析
近期,NVIDIA开源项目TransformerEngine的GitHub仓库中发现了一起利用GitHub评论附件功能传播恶意软件的安全事件。本文将从技术角度分析该攻击事件的细节、攻击手法以及防范措施。
事件概述
安全研究人员在分析一个被篡改的RenPy游戏时,发现其中隐藏的恶意代码会从NVIDIA TransformerEngine项目的GitHub仓库下载一个伪装成文本文件的ZIP压缩包。该压缩包实际包含恶意可执行程序,攻击者通过精心设计的攻击链在受害者计算机上执行恶意代码。
攻击技术分析
攻击链分解
-
初始感染载体:攻击者篡改了RenPy游戏的LICENSE文件,在其中植入了Base64编码的Python下载器脚本。
-
第一阶段载荷:解码后的Python脚本会从攻击者控制的URL下载第二阶段脚本(fontsload.py)并执行。
-
第二阶段载荷:fontsload.py脚本会从NVIDIA TransformerEngine项目的GitHub仓库下载伪装成screens.txt的ZIP文件,解压后执行其中的恶意可执行程序。
技术细节
攻击者利用了GitHub的评论附件功能上传恶意文件,这种文件虽然不属于项目代码库本身,但会生成看似属于项目仓库的URL,增加了可信度。具体表现为:
- 文件URL格式为项目文件路径,但实际上是通过评论附件上传的独立文件
- 文件扩展名伪装为.txt,实际是包含恶意可执行程序的ZIP压缩包
- 恶意可执行程序使用了数字签名,可能是为了绕过安全检查或实现DLL劫持
代码分析
攻击脚本展示了典型的恶意下载器特征:
- 使用Python标准库(os, platform, requests等)实现跨平台兼容性
- 将恶意文件隐藏在用户目录的隐蔽位置(APPDATA/RenPy/bin)
- 使用多线程技术异步执行恶意操作
- 包含完整的错误处理机制避免执行中断
- 执行后自动清理痕迹(删除ZIP文件)
安全影响
虽然该恶意文件并非TransformerEngine项目代码的一部分,但此类攻击具有以下危害:
- 利用知名开源项目的声誉增加恶意文件的可信度
- 可能影响从该项目派生或参考的项目开发者
- 普通用户难以区分官方文件和恶意附件
防护建议
针对此类攻击,建议采取以下防护措施:
-
开发者防护:
- 对项目中的任何附件保持警惕
- 使用代码签名验证下载的可执行文件
- 在CI/CD流程中加入恶意代码扫描
-
终端用户防护:
- 避免直接运行来源不明的Python脚本
- 使用沙箱环境分析可疑文件
- 保持系统和安全软件更新
-
项目管理:
- 定期审查项目相关的所有内容,包括issue和评论
- 考虑禁用评论附件功能或设置审核机制
- 建立快速响应机制处理安全报告
事件响应
NVIDIA安全团队在收到报告后迅速响应,确认恶意文件并非项目代码库的一部分,而是通过GitHub评论附件功能上传。团队已联系GitHub移除了相关恶意文件,确保了项目安全性。
此类事件提醒我们,现代软件供应链攻击正变得越来越复杂,攻击者会利用各种看似合法的渠道传播恶意代码。保持警惕和建立完善的安全防护机制对开源项目和用户都至关重要。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00