tj-actions/changed-files项目遭遇供应链风险事件深度分析
2025-07-01 17:57:27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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
416
3.2 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
682
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
664
React Native鸿蒙化仓库
JavaScript
265
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259