tj-actions/changed-files项目遭遇供应链风险事件深度分析
2025-07-01 06:38:02作者:范靓好Udolf
事件概述
2025年3月15日,GitHub上广泛使用的tj-actions/changed-files项目被发现存在潜在的安全隐患。攻击者通过精心设计的供应链风险手段,修改了该项目的多个版本标签,添加了非预期代码以获取GitHub Actions运行时的相关信息。
风险技术细节分析
非预期代码添加方式
攻击者采用了非常隐蔽的风险手法:
- 创建了一个看似正常的commit,模拟renovate[bot]的依赖更新提交
- 将该非预期commit(0e58ed8)设置为项目所有历史版本标签的指向目标
- 通过Git机制确保该commit不会出现在任何分支上,仅通过标签引用
这种手法使得在项目仓库的提交历史中看不到这个非预期commit,但所有使用该action的项目都会执行相关代码。
非预期代码功能分析
添加的非预期代码主要执行以下操作:
- 检查运行环境是否为Linux系统
- 从外部服务器获取Python脚本(memdump.py)
- 使用Python脚本扫描内存,寻找标记为"isSecret":true的相关数据
- 将获取的信息进行双重Base64编码后输出到日志
该脚本专门针对GitHub Actions环境设计,能够获取包括GITHUB_TOKEN在内的各种相关信息。
影响范围评估
由于tj-actions/changed-files是一个被广泛使用的GitHub Action,影响范围较大:
- 所有历史版本标签(v1到v45)均被修改
- 使用任何版本的项目都可能受到影响
- 自动化工具如RenovateBot会自动更新到被修改的版本
防护建议
针对此类供应链风险,建议采取以下防护措施:
对于项目维护者
- 启用提交签名验证,拒绝未签名提交
- 限制标签更新权限
- 设置分支保护规则,防止强制推送
- 定期检查项目标签和发布版本
对于使用者
- 立即检查是否使用了受影响版本
- 暂时禁用相关工作流
- 考虑使用commit hash而非标签引用action
- 审查近期工作流日志,查找异常输出
事件启示
此次事件揭示了开源供应链安全的几个关键问题:
- Git标签安全常被忽视,但可能成为风险入口
- 自动化依赖更新可能放大安全风险
- 未签名提交容易被模拟利用
- 内存扫描技术可绕过常规的信息防护机制
开发者需要提高对供应链风险的认识,建立更完善的防护体系,特别是在CI/CD环境中。GitHub等平台也应考虑增强对标签操作的安全控制和监控。
后续行动建议
- 立即更新所有被修改的标签
- 发布安全公告通知用户
- 重置所有可能涉及的信息
- 进行彻底的安全检查,查找异常痕迹
- 考虑实施更严格的发布流程和签名要求
此次事件再次提醒我们,在享受开源便利的同时,必须重视供应链安全,建立多层防护机制。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220