Nowa kampania pokazała, jak automatyzacja wspierana przez AI zmienia cyberataki, umożliwiając cyberprzestępcom atakowanie setek repozytoriów GitHub na dużą skalę.
Operacja, którą badacze bezpieczeństwa śledzą pod nazwą „prt-scan”, uwidacznia kluczową zmianę:
Atakujący nie potrzebują już wyrafinowania — skalę zapewnia im teraz AI.
Co się stało?
Badacze zidentyfikowali ponad 450 prób wykorzystania luk wymierzonych w repozytoria open source na GitHubie.
Najważniejsze fakty:
- Kampania jest aktywna od 11 marca 2026 r.
- Przeprowadzono ją w 6 falach z użyciem wielu kont
- Przesłano ponad 500 złośliwych pull requestów
- Skuteczność na poziomie ~10%
- Przejęto co najmniej 2 pakiety NPM
Technika: nadużywanie przepływów pracy GitHub
Atak wykorzystuje znaną, ryzykowną konfigurację:
👉 pull_request_target w GitHub Actions
Ten wyzwalacz:
- Automatycznie uruchamia przepływy pracy po otwarciu pull requesta
- Działa z pełnymi uprawnieniami do repozytorium
- Ma dostęp do sekretów, tokenów i zmiennych środowiskowych
⚠️ Jeśli jest błędnie skonfigurowany, pozwala atakującym wykonać kod od niezaufanych współtwórców
Jak działa atak
Atakujący postępuje według powtarzalnego scenariusza:
1. Skanowanie repozytoriów
Wyszukiwanie projektów używających pull_request_target
2. Fork i modyfikacja
Utworzenie forka i wprowadzenie ukrytego złośliwego kodu
3. Przesłanie pull requesta
Zamaskowanie ładunku jako zwykłej aktualizacji lub poprawki
4. Wywołanie wykonania
Przepływ pracy uruchamia się automatycznie z podwyższonymi uprawnieniami
5. Wykradanie sekretów
Próba kradzieży:
- tokenów GitHub
- kluczy API
- zmiennych środowiskowych
- poświadczeń do chmury
Skala napędzana przez AI
Tym, co wyróżnia tę kampanię, jest sposób jej przeprowadzenia.
Badacze zaobserwowali:
- Gwałtowny wzrost aktywności w ciągu 26 godzin
- Szybkie otwarcie ok. 475 pull requestów
- Zachowanie zgodne z automatyzacją wspieraną przez AI
👉 Pozwoliło to atakującemu skalować ataki na setki celów jednocześnie
Niedoskonały, ale wciąż skuteczny
Co ciekawe, atak nie był szczególnie wyrafinowany:
- Ładunki zawierały błędy logiczne
- Błędnie zrozumiano modele uprawnień GitHub
- Na niektórych etapach wykonanie było słabe
A mimo to:
👉 skuteczność na poziomie ~10% i tak doprowadziła do dziesiątek przejęć
Najczęściej dotknięte cele to:
- Małe lub hobbystyczne projekty
- Ujawniające tymczasowe lub ograniczone poświadczenia
Dlaczego to ma znaczenie
Ta kampania sygnalizuje poważną zmianę:
Mało zaawansowani atakujący mogą teraz przeprowadzać ataki na łańcuch dostaw na dużą skalę, korzystając z AI.
Wcześniej:
- Ataki były ukierunkowane i wymagały dużych zasobów
Teraz są:
- Zautomatyzowane
- Skalowalne
- Szybsze we wdrożeniu
- Trudniejsze do obrony na dużą skalę
Jak chronić swoje repozytoria
1. Unikaj pull_request_target dla niezaufanego kodu
Używaj bezpieczniejszych alternatyw, takich jak pull_request
2. Ogranicz uprawnienia przepływów pracy
Ogranicz dostęp do sekretów i tokenów
3. Wymagaj ręcznej akceptacji
Przed uruchomieniem przepływów pracy z forków
4. Monitoruj aktywność pull requestów
Zwracaj uwagę na nietypowy wolumen lub wzorce
5. Rotuj poświadczenia i ograniczaj ich zakres
Zminimalizuj skutki ewentualnego ujawnienia
Najważniejszy wniosek
Ta kampania jest wyraźnym ostrzeżeniem:
AI obniża barierę wejścia dla cyberataków na dużą skalę.
Nawet niedoskonałe ataki mogą się powieść, gdy są przeprowadzane na dużą skalę.
Organizacje muszą przesunąć punkt ciężkości z zapobiegania pojedynczym atakom na obronę przed zautomatyzowanymi kampaniami.
