Microsoft Ungkap Penyusupan Paket LiteLLM 1.107.0 yang Berpotensi Mencuri Kredensial Pengembang
Microsoft mengungkap insiden keamanan siber yang melibatkan penyusupan paket LiteLLM versi 1.107.0 pada ekosistem pengembangan Python. Paket yang terinfeksi tersebut didistribusikan melalui Python Package Index atau PyPI pada 21 Oktober 2026 dan ditemukan mengandung kode berbahaya yang dirancang untuk mencuri kredensial pengembang. Dalam laporan keamanan yang dipublikasikan pada 23 Oktober 2026, Microsoft menjelaskan bahwa malware dapat berjalan ketika interpreter Python dimulai, bahkan tanpa aplikasi mengimpor LiteLLM secara langsung. Insiden ini menjadi perhatian penting dalam dunia TEKNOLOGI karena memperlihatkan risiko serangan rantai pasokan perangkat lunak terhadap pengembang, layanan kecerdasan buatan, dan infrastruktur cloud.
Microsoft Mengungkap Serangan Rantai Pasokan pada LiteLLM 1.107.0
Tim peneliti keamanan Microsoft menjelaskan rincian insiden mengenai penyusupan paket LiteLLM versi 1.107.0. Kasus penyusupan tersebut bermula ketika rilis berbahaya diterbitkan tanggal 21 Oktober 2026 melalui layanan distribusi paket PyPI dan sejumlah image container resmi. Perangkat lunak LiteLLM memiliki fungsi sebagai penghubung antara aplikasi dengan berbagai penyedia model kecerdasan buatan. Melalui perangkat lunak ini, pengembang dapat mengelola akses menuju beragam model bahasa melalui antarmuka yang relatif seragam. Karena penggunaannya berkaitan dengan layanan AI dan infrastruktur pengembangan, penyusupan tersebut memiliki dampak keamanan yang serius.
Menurut keterangan resmi tim LiteLLM, paket berbahaya versi 1.107.0 beredar melalui repositori Python selama kurang lebih dua jam. Paket tersebut tersedia sekitar pukul 11.39 hingga 13.23 UTC pada 21 Oktober 2026. Di luar distribusi melalui PyPI, sejumlah image container dengan tag v1.107.0, latest, main-latest, dan main-stable juga sempat terdampak. Setelah insiden teridentifikasi, pengelola mengambil tindakan untuk menghentikan penyebaran dan memulihkan sumber pembaruan yang terdampak. Walaupun paket berbahaya sudah ditarik, perangkat yang telah menjalankan image kompromi tidak otomatis kembali aman. Hal tersebut memperlihatkan perlunya pemulihan kredensial.
Mengapa Malware LiteLLM Bisa Aktif Tanpa Digunakan Aplikasi
Salah satu karakteristik paling berbahaya adalah aktivasi kode berbahaya ketika Python dimulai. Di dalam artefak berbahaya tersebut, peneliti menemukan tiga file tambahan bernama cook.pth, cook.py, dan sitecustomize.py. Berkas tersebut berada dalam lingkungan instalasi interpreter sehingga berpotensi dieksekusi pada saat Python berjalan. Pendekatan penyusupan ini memungkinkan aktivasi tanpa penggunaan langsung modul utama. Akibatnya, pengembang yang mengaktifkan interpreter pada lingkungan terdampak dapat mengaktifkan komponen berbahaya tanpa menyadari keberadaan paket yang disusupi.
Dalam mekanisme startup pertama, file cook.pth digunakan untuk menjalankan komponen cook.py. Berkas Python tersebut berisi program yang disamarkan menggunakan Base64 dan kompresi zlib. Setelah diproses, program mengaktifkan modul pencuri informasi. Para penyelidik siber menjelaskan bahwa modul mengidentifikasi dirinya sebagai PRIVCOLLECT. Sementara itu, sitecustomize.py menyediakan kemampuan pemuatan kode lanjutan pada lingkungan berbasis Unix. Rancangan pemuat tersebut memberikan peluang pengunduhan kode berikutnya tanpa mengubah distribusi aplikasi utama. Meski kemampuan tersebut ditemukan, Microsoft belum mengonfirmasi pelaksanaan kode tahap kedua selama investigasinya.
Ancaman Pencurian API Key dan Informasi Cloud Pengembang
Hasil pemeriksaan keamanan Microsoft mengungkap kemampuan program mengumpulkan berbagai jenis informasi autentikasi yang tersimpan dalam lingkungan pengembangan. Target pengumpulan data termasuk token autentikasi dari penyedia AI, file konfigurasi, dan pengaturan sistem dengan kredensial sensitif. Tidak hanya menargetkan akses AI, program memeriksa informasi autentikasi repositori serta material kunci SSH. Lingkungan pengembangan berbasis AWS, Azure, dan Google Cloud juga termasuk dalam sasaran pengumpulan. Jika informasi tersebut berhasil dicuri, dampak keamanan berpotensi menjadi besar karena token tertentu dapat digunakan untuk mengakses sumber daya tambahan.
Selain informasi pengembang, malware juga menargetkan informasi browser. Komponen yang diperiksa termasuk catatan aktivitas peramban dan sejumlah database kredensial browser. Perlu dibedakan, keberadaan fungsi pencarian tidak memastikan setiap target terekspos. Kemampuan membaca kredensial bergantung pada izin proses. Program berbahaya tersebut mengemas data yang ditemukan sebelum menyiapkan pengiriman menuju infrastruktur eksternal. Berdasarkan pemeriksaan kode, sistem tersebut memanfaatkan kombinasi AES dan RSA untuk mempersulit pemeriksaan data hasil pencurian. Karakteristik ini membuat investigasi memerlukan perhatian lebih.
Risiko Serangan Supply Chain pada Proyek Python dan Cloud
Insiden rantai pasokan perangkat lunak ini memiliki cakupan risiko yang luas karena LiteLLM terintegrasi dengan layanan kecerdasan buatan. Pada lingkungan perusahaan, paket tersebut dapat terpasang pada workstation, server pengujian, image container, dan infrastruktur otomatisasi pembangunan aplikasi. Apabila lingkungan tersebut menjalankan versi terinfeksi, malware dapat mencoba membaca informasi kredensial yang dapat diakses oleh identitas pengguna. Risiko lanjutan dari kondisi tersebut mencakup penyalahgunaan API, perubahan konfigurasi, dan gangguan pada proses pengembangan. Meski cakupan ancaman cukup besar, keberadaan versi terdampak tidak otomatis menunjukkan seluruh data telah diambil.
Insiden tersebut memberikan gambaran bagaimana kompromi distribusi perangkat lunak berpotensi menyebarkan komponen berbahaya secara luas. Dalam laporan rantai serangan resmi, pelaku berhasil memengaruhi proses publikasi rilis. Paket yang diterbitkan tidak berasal dari proses pembangunan kode yang semestinya. Rangkaian penyusupan tersebut memperlihatkan kebutuhan terhadap pemeriksaan tidak hanya pada kode sumber aplikasi, tetapi juga mekanisme publikasi paket. Pada industri perangkat lunak, perlindungan proses rilis memerlukan perhatian khusus. Tanpa pengendalian memadai, organisasi dapat memasang paket yang tidak sesuai kode resmi meskipun menggunakan repositori populer.
Panduan Penanganan Paket Python Terinfeksi dan Rotasi Kredensial
Untuk pengembang yang pernah memasang versi terdampak, langkah pertama adalah mengidentifikasi cakupan paparan. Pemeriksaan tersebut perlu mencakup komputer pengembang, server pengujian, container, cache paket, dan artefak hasil build. Namun demikian, pemeriksaan pada lingkungan yang diduga terinfeksi sebaiknya menghindari penggunaan Python dari instalasi yang dicurigai. Pembatasan tersebut diperlukan untuk mencegah aktivasi ulang kode berbahaya. Untuk pendekatan yang lebih aman, administrator dapat menggunakan alat analisis dari sistem bersih. Ketika lingkungan berisiko berhasil dipetakan, sistem perlu diisolasi sesuai prosedur untuk mengurangi kemungkinan akses lanjutan.
Ketika cakupan insiden telah diketahui, organisasi perlu meninjau kredensial yang mungkin terekspos. Data sensitif yang menjadi prioritas mencakup token layanan AI, akses cloud, kredensial Git, SSH, dan rahasia yang digunakan infrastruktur. Penerbitan ulang token keamanan perlu menggunakan perangkat terpercaya. Di samping melakukan rotasi rahasia, administrator sebaiknya memulihkan sistem dari sumber yang telah diverifikasi. Tim keamanan Microsoft mengingatkan bahwa sekadar mencopot pustaka tidak menjamin pemulihan. Kondisi tersebut terjadi karena file startup berbahaya berpotensi tetap tersedia setelah paket utama dihapus. Oleh karena itu, pemulihan menyeluruh dan validasi keamanan menjadi langkah yang diperlukan.
Pelajaran Keamanan Siber dari Penyusupan LiteLLM 1.107.0
Temuan penyusupan rantai pasokan LiteLLM memberikan pelajaran berharga dalam pengelolaan ekosistem perangkat lunak modern. Berkat penyalahgunaan jalur rilis perangkat lunak, penyerang berhasil menyebarkan kode berbahaya. Teknik eksekusi otomatis yang digunakan meningkatkan cakupan paparan karena proses interpreter dapat mengaktifkan kode tanpa impor LiteLLM. Walaupun paket terdampak telah ditarik, rotasi kredensial harus menjadi perhatian. Peristiwa keamanan tersebut menunjukkan perlunya pengawasan keamanan perangkat lunak dan penerapan prinsip akses minimum. Berkat strategi keamanan yang konsisten, organisasi dapat mengurangi dampak serangan serupa. Apa pandangan Anda perlindungan dependensi Python dan layanan AI? Sampaikan pengalaman Anda mengenai upaya mencegah serangan rantai pasokan.
