Litellm

• Die Bedrohungsakteur-Gruppe „TeamPCP“ orchestrierte einen komplexen Multi-Ökosystem-Supply-Chain-Angriff, der LiteLLM, ein beliebtes Open-Source-AI-Proxy-Gateway, kompromittierte. • Die Sicherheitslücke führte zur stillen Exfiltration sensibler Entwicklungsgeheimnisse aus den CI/CD-Pipelines tausender globaler Unternehmen. • Das Cybersicherheitsunternehmen Hudson Rock hat die exfiltrierten Rohdaten unabhängig erworben und bietet so einen ungefilterten Einblick in das massive Ausmaß der Kompromittierung.

• Ein Supply-Chain-Angriff von TeamPCP manipulierte die Build-Pipeline von LiteLLM über Trivy, wodurch potenziell 2.500 Unternehmen und 434.000 CI/CD-Pipelines gefährdet wurden. • Die schädliche Payload zielte auf CI/CD-Runner ab, um SSH-Keys, Cloud-Zugangsdaten, Kubernetes-Token und Umgebungsvariablen-Secrets aus dem Prozessspeicher zu stehlen. • Der Angriff suchte gezielt nach LLM-API-Keys und Gateway-Einstellungen, wodurch ein direkter Weg zu sensiblen Daten und vernetzten KI-Systemen geschaffen wurde.

• Im März 2026 kam es bei dem KI-Infrastruktur-Tool LiteLLM zu einer Sicherheitskompromittierung durch einen bösartigen Upload in das PyPI-Repository. • Die Sicherheitslücke verwandelte Entwickler-Tools in einen Kanal für hochwertige Angriffe, einschließlich Cloud-Intrusions und dem Diebstahl sensibler Zugangsdaten. • Dieser Vorfall unterstreicht einen wachsenden Trend, bei dem KI-spezifische Software-Supply-Chains zu strategischen Zielen für hochentwickelte Cyberangriffe werden.

• Die KI-Recruiting-Plattform Mercor bestätigte einen Cybersicherheitsvorfall infolge eines Supply-Chain-Angriffs auf das Open-Source-Projekt LiteLLM, wobei die Hackergruppe Lapsus$ den Zugriff auf und den Diebstahl von Daten behauptet. • Die Sicherheitslücke legte die Systeme von Mercor offen und verdeutlichte Schwachstellen in KI-Lieferketten, die von Startups zur Modellintegration genutzt werden. • Dieser Vorfall unterstreicht die steigenden Risiken für KI-Unternehmen, die sich auf Bibliotheken von Drittanbietern verlassen, was potenziell das Vertrauen in Einstellungsverfahren und Datensicherheitsstandards beeinträchtigen kann.