Przejdź do treści

News & analizy

Atak na łańcuch dostaw LiteLLM: zatrute wersje 1.82.7 i 1.82.8

Zaktualizowano: Autor: Andrzej Niemiec6 min czytania

24 marca 2026 na PyPI opublikowano złośliwe wersje LiteLLM 1.82.7 i 1.82.8. Wyjaśniamy mechanizm ataku, zakres kradzieży sekretów i sposób audytu środowiska.

Atak na łańcuch dostaw LiteLLM: zatrute wersje 1.82.7 i 1.82.8
Spis treści
  1. Co dokładnie wydarzyło się 24 marca 2026 roku?
  2. Czym różniły się wersje 1.82.7 i 1.82.8?
  3. Co próbował zebrać złośliwy kod?
  4. Jak doszło do publikacji złośliwych wersji?
  5. Czy złośliwy kod trafił do repozytorium GitHub LiteLLM?
  6. Jak sprawdzić, czy środowisko zostało dotknięte?
  7. Dlaczego atak na bramkę LLM jest groźniejszy niż na zwykłą bibliotekę?
  8. Najczęstsze pytania
  9. Źródła

Co dokładnie wydarzyło się 24 marca 2026 roku?

Na PyPI opublikowano dwie wersje LiteLLM, których nie ma w oficjalnym repozytorium projektu. Wersję 1.82.7 udostępniono o 10:39 UTC, a 1.82.8 o 10:52 UTC [1][2].

LiteLLM to open-source’owa bramka (gateway) rozwijana przez BerriAI. Daje jeden interfejs w formacie zgodnym z OpenAI do ponad 100 dostawców modeli, z rozliczaniem kosztów, limitami i równoważeniem obciążenia [3].

Skala projektu jest duża. Endor Labs podaje około 95 mln pobrań miesięcznie [4], a Check Point i Cybernews — 95–97 mln miesięcznie [5][6]. Polskie serwisy informacyjne opisały incydent, powtarzając liczbę 97 mln pobrań [7][8]. To miara popularności biblioteki, nie liczba zainfekowanych instalacji.

Według oficjalnego komunikatu złośliwe wydania były dostępne około 40 minut. Projekt zaleca jednak, by audytem objąć instalacje z całego dnia, do 16:00 UTC [1][9].

Czym różniły się wersje 1.82.7 i 1.82.8?

Obie wersje zawierały ten sam payload, ale uruchamiały go inaczej. W 1.82.7 kod trafił do pliku litellm/proxy/proxy_server.py, w 1.82.8 doszedł plik litellm_init.pth [1][10].

W pierwszym przypadku payload wykonywał się przy imporcie ścieżki proxy. W drugim Python uruchamiał plik .pth przy starcie interpretera, bez importowania LiteLLM [1][10].

Kryterium1.82.71.82.8
Plik z payloademlitellm/proxy/proxy_server.pyproxy_server.py oraz litellm_init.pth
Moment uruchomieniaimport ścieżki proxystart interpretera Pythona
Wymagany import LiteLLMtaknie
Zasięg w środowiskuproces korzystający z proxykażdy start Pythona
Widoczność w przeglądzie koduwyższaniższa, pliki .pth bywają pomijane

Różnica jest praktyczna. Plik .pth działa nawet wtedy, gdy dana aplikacja nie importuje LiteLLM, więc przegląd kodu samej aplikacji nie wystarcza do wykluczenia infekcji [10].

Co próbował zebrać złośliwy kod?

Payload zbierał dane uwierzytelniające z environmentu i plików konfiguracyjnych. Opisywane są zmienne środowiskowe, klucze SSH, poświadczenia AWS, GCP i Azure, konfiguracje Kubernetes i Docker, sekrety CI/CD, historia powłoki oraz dane baz [2][11].

Analizowane próbki wysyłały zaszyfrowane dane do models.litellm.cloud. W artefaktach wskazywano też plik ~/.config/sysmon/sysmon.py i usługę systemd [4][10]. To wskaźniki kompromitacji (IOC), a nie dowód, że każde środowisko zostało skutecznie okradzione [10].

Znaczenie ma pozycja bramki w architekturze. LiteLLM przechowuje klucze do wielu dostawców modeli, więc przejęcie jednej biblioteki daje dostęp do wielu usług naraz [5][12].

Jak doszło do publikacji złośliwych wersji?

Oficjalny komunikat wiąże incydent z wcześniejszym przejęciem Trivy używanego w pipeline LiteLLM. Skompromitowana zależność miała wyprowadzić poświadczenia publikowania na PyPI. Projekt opisuje to jako przypuszczalne źródło kompromitacji, a nie fakt ustalony [1][9].

Kampanię przypisuje się grupie TeamPCP, która wcześniej atakowała Trivy i KICS. W tej samej serii ataków doszło do kompromitacji pakietu Telnyx na PyPI [4][11][13].

Nie wszystkie ogniwa łańcucha są potwierdzone. Część publikacji opisuje przebieg bardziej stanowczo niż oficjalny komunikat, który mówi o podejrzeniu [1][13].

Czy złośliwy kod trafił do repozytorium GitHub LiteLLM?

Nie ma na to potwierdzenia. Dla wersji 1.82.7 i 1.82.8 nie znaleziono odpowiadających tagów w repozytorium, a złośliwe paczki opublikowano bezpośrednio na PyPI [2][14]. Oficjalny opis wskazuje, że kod w GitHub nie został skażony [1][2].

Źródła nie potwierdzają więc tezy o jednym złośliwym commicie. Opisywany mechanizm to przejęte poświadczenia publikowania i bezpośredni upload paczek, a nie zatwierdzona zmiana w repozytorium [2][14].

Jak sprawdzić, czy środowisko zostało dotknięte?

Najpierw ustala się wersję LiteLLM w każdym projekcie, w obrazach kontenerów i w cache pip. Wystarczy polecenie pip show litellm albo pip freeze z filtrem po nazwie paczki. Wersje 1.82.7 i 1.82.8 traktuje się jako potencjalną kompromitację [9][12].

Za ostatnią znaną czystą wersję uznawano 1.82.6 [9][12]. Odinstalowanie złośliwej paczki nie usuwa skutków, bo payload mógł już wysłać sekrety i zostawić artefakty persistence [1][10]. Kolejność działań jest więc inna: odizolować host, sprawdzić IOC, obrócić wszystkie sekrety dostępne w środowisku i przejrzeć logi CI/CD, chmury oraz Kubernetes [9][12].

Na stałe zostają cztery zasady: przypinanie dokładnych wersji, instalacja z hashami sum kontrolnych, skaner zależności w CI i blokada instalacji spoza zatwierdzonych źródeł [9][12]. Przy bramkach LLM dochodzi rotacja kluczy dostawców i rozdzielenie ich na osobne konta, żeby wyciek jednego środowiska nie otwierał wszystkich [5][12].

Dlaczego atak na bramkę LLM jest groźniejszy niż na zwykłą bibliotekę?

Zwykła podmieniona paczka zwykle daje dostęp do jednego procesu. Bramka LLM obsługuje ruch do wielu dostawców i trzyma ich klucze, więc przejęcie daje dostęp do wszystkich podłączonych usług oraz możliwość modyfikacji zapytań i odpowiedzi [5][12].

W zastosowaniach biznesowych to ryzyko błędnych decyzji opartych na podmienionej odpowiedzi modelu, na przykład w obsłudze klienta albo analizie dokumentów [12]. Ten sam mechanizm dotyczy innych warstw infrastruktury, nie tylko bibliotek Pythona — pokazuje to choćby opis CVE-2026-33032 w Nginx UI.

Dla zespołów wdrażających AI wniosek jest operacyjny: bezpieczeństwo łańcucha dostaw planuje się razem z wdrożeniem, a nie po nim. Praktyczne podejście do przejścia od pilotażu do produkcji opisujemy w artykule Praktyczne zastosowania AI: od pilotażu do produkcji.

Najczęstsze pytania

Czy wystarczy odinstalować LiteLLM 1.82.8?

Nie. Payload mógł wykonać się przy starcie Pythona, zanim paczkę usunięto, i wyprowadzić sekrety z environmentu oraz plików konfiguracyjnych [1][10]. Po odinstalowaniu trzeba obrócić klucze, sprawdzić wskaźniki kompromitacji i przejrzeć logi CI/CD oraz chmury. Samo usunięcie pakietu nie zamyka dostępu, który atakujący mógł już zdobyć [9][12].

Czy atak był typosquattingiem?

Nie. Zaatakowano prawdziwy pakiet litellm, a nie paczkę o łudząco podobnej nazwie. Złośliwe koła opublikowano w oficjalnym projekcie na PyPI, bez odpowiadających im tagów w repozytorium. To atak na łańcuch dostaw, w którym przejęto poświadczenia publikowania, a nie próba podszycia się pod nazwę biblioteki [2][14].

Czy problem dotyczył tylko LiteLLM?

Nie. Ta sama kampania objęła wcześniej Trivy i KICS, a równolegle pakiet Telnyx na PyPI [4][11][13]. LiteLLM jest jednym z ogniw serii ataków na narzędzia używane w pipeline’ach budowania i publikowania. Wspólny mianownik to dostęp do poświadczeń w procesie wytwarzania oprogramowania, nie sam kod aplikacji AI [11][13].

Jakie wersje LiteLLM są bezpieczne?

Jako ostatnią znaną czystą wersję wskazywano 1.82.6 [9][12]. Każde późniejsze wydanie trzeba potwierdzić w oficjalnym repozytorium i w komunikacie bezpieczeństwa projektu, zanim trafi na produkcję. Repozytorium pokazuje też, które wydania mają odpowiadające im tagi, co pozwala odróżnić normalne wydanie od paczki wgranej bezpośrednio na PyPI [1][3].

Źródła

  1. Security Update: Suspected Supply Chain Incident (LiteLLM Docs, 2026)
  2. [[Security]: litellm PyPI package (v1.82.7 + v1.82.8) compromised — full timeline and status, Issue #24518 (GitHub, BerriAI/litellm, 2026)](https://github.com/BerriAI/litellm/issues/24518)
  3. BerriAI/litellm — AI Gateway (GitHub, 2026)
  4. TeamPCP Isn’t Done: Threat Actor Behind Trivy and KICS Compromises Now Hits LiteLLM’s 95 Million Monthly Downloads on PyPI (Endor Labs, 2026)
  5. Check Point Research Discovers High Risk Vulnerabilities in LiteLLM, One of the Most Widely Used LLM Gateways (Check Point Blog, 2026)
  6. LiteLLM vulnerabilities expose AI gateways to takeover (Cybernews, 2026)
  7. Python z 97 mln pobrań zatruty — hakerzy kradli klucze SSH i API (Wykop, 2026)
  8. Ktoś zatruł popularną pythonową paczkę z 97 milionami pobrań… (Niebezpiecznik, 2026)
  9. How a Poisoned Security Scanner Became the Key to Backdooring LiteLLM (Snyk, 2026)
  10. [[Security]: CRITICAL: Malicious litellm_init.pth in litellm 1.82.8 — credential stealer, Issue #24512 (GitHub, BerriAI/litellm, 2026)](https://github.com/BerriAI/litellm/issues/24512)
  11. LiteLLM and Telnyx compromised on PyPI: Tracing the TeamPCP supply chain campaign (Datadog Security Labs, 2026)
  12. The Library That Holds All Your AI Keys Was Just Backdoored: The LiteLLM Supply Chain Compromise (ARMO, 2026)
  13. LiteLLM PyPI packages compromised in expanding TeamPCP supply chain attacks (Help Net Security, 2026)
  14. litellm 1.82.8 Supply Chain Attack on PyPI (March 2026) (FutureSearch, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji

Analiza i dane

Matryca konkurencji

Matryca konkurencji

Matryca konkurencji