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.

Insiden Keamanan LiteLLM Mengancam Ekosistem Pengembangan AI

Divisi riset keamanan siber Microsoft mempublikasikan hasil investigasi mengenai kompromi distribusi perangkat lunak LiteLLM versi 1.107.0. Insiden tersebut terjadi pada 21 Oktober 2026 melalui layanan distribusi paket PyPI dan sejumlah image container resmi. Perangkat lunak LiteLLM dikenal sebagai penghubung antara aplikasi dengan berbagai penyedia model kecerdasan buatan. Dengan memanfaatkan LiteLLM, pengembang dapat mengelola akses menuju beragam model bahasa melalui antarmuka yang relatif seragam. Dengan mempertimbangkan posisinya dalam layanan AI dan infrastruktur pengembangan, penyusupan tersebut memiliki dampak keamanan yang serius.

Dalam laporan penanganan insiden proyek tersebut, paket berbahaya versi 1.107.0 sempat didistribusikan melalui PyPI dalam waktu terbatas. 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 berpotensi mendistribusikan komponen berbahaya. Ketika penyusupan berhasil diketahui, pengelola menarik paket yang terdampak dan memulihkan sumber pembaruan yang terdampak. Namun demikian, perangkat yang menggunakan artefak terdampak selama periode insiden tetap membutuhkan penanganan menyeluruh. Situasi tersebut menegaskan bahwa penghentian distribusi saja belum cukup.

Mengapa Malware LiteLLM Bisa Aktif Tanpa Digunakan Aplikasi

Keunikan teknis yang menjadi perhatian adalah pelaksanaan program pencuri informasi melalui mekanisme startup. Di dalam artefak berbahaya tersebut, peneliti mengidentifikasi komponen startup mencurigakan bernama cook.pth, cook.py, dan sitecustomize.py. Berkas tersebut ditempatkan pada direktori pustaka Python sehingga dapat terlibat dalam proses inisialisasi. Teknik yang digunakan tidak bergantung pada pemanggilan fungsi LiteLLM. Melalui karakteristik tersebut, pengembang yang memulai proses Python untuk kebutuhan lain dapat mengaktifkan komponen berbahaya tanpa menjalankan aplikasi LiteLLM secara khusus.

Melalui komponen yang ditemukan peneliti, file cook.pth menjadi pemicu pemanggilan berkas cook.py. Berkas Python tersebut menyimpan instruksi yang telah dikaburkan menggunakan Base64 dan kompresi zlib. Ketika kode berhasil dipulihkan, program menjalankan fungsi pengumpulan kredensial. Para penyelidik siber menemukan penanda program bernama PRIVCOLLECT. Sementara itu, sitecustomize.py dirancang mendukung eksekusi kode dari sumber jarak jauh pada lingkungan berbasis Unix. Rancangan pemuat tersebut memungkinkan perubahan muatan berbahaya tanpa mengubah distribusi aplikasi utama. Namun demikian, Microsoft belum mengonfirmasi pelaksanaan kode tahap kedua selama investigasinya.

Jenis Kredensial yang Menjadi Sasaran Malware LiteLLM

Hasil pemeriksaan keamanan Microsoft menunjukkan bahwa malware dirancang untuk mencari berbagai jenis informasi autentikasi yang tersimpan dalam lingkungan pengembangan. Informasi tersebut mencakup API key dari penyedia AI, file konfigurasi, dan pengaturan sistem dengan kredensial sensitif. Tidak hanya menargetkan akses AI, program menelusuri konfigurasi pengelolaan kode serta berkas autentikasi koneksi aman. Layanan cloud seperti AWS, Azure, dan Google Cloud juga termasuk dalam sasaran pengumpulan. Ketika data autentikasi jatuh ke pihak tidak berwenang, ancaman tidak terbatas pada satu aplikasi karena sejumlah kredensial memiliki hubungan dengan infrastruktur produksi.

Tidak hanya mencari kunci akses layanan, malware dirancang membaca data tertentu dari peramban. Komponen yang diperiksa mencakup berkas autentikasi tersimpan dan sejumlah penyimpanan informasi login. Namun demikian, keberadaan fungsi pencarian tidak memastikan setiap target terekspos. Kemampuan membaca kredensial ditentukan oleh akses dan konfigurasi perangkat. Komponen pencuri informasi ini menyatukan hasil pengumpulan sebelum melakukan perlindungan data menggunakan enkripsi bagi penyerang. Berdasarkan pemeriksaan kode, sistem tersebut menggunakan metode enkripsi simetris dan asimetris untuk mempersulit pemeriksaan data hasil pencurian. Metode pengemasan tersebut menunjukkan rancangan malware yang cukup terstruktur.

Dampak Penyusupan LiteLLM terhadap Pengembang dan Infrastruktur AI

Serangan terhadap LiteLLM berpotensi memengaruhi berbagai lingkungan karena LiteLLM sering digunakan dalam pengembangan aplikasi AI. Dalam sistem pengembangan profesional, paket tersebut berpotensi tersedia pada perangkat kerja teknis, server pengujian, image container, dan sistem integrasi berkelanjutan. Ketika artefak berbahaya digunakan, program pencuri data mungkin menemukan kredensial yang tersedia pada proses terkait. Risiko lanjutan dari kondisi tersebut mencakup penyalahgunaan API, perubahan konfigurasi, dan risiko terhadap informasi organisasi. Meski cakupan ancaman cukup besar, tidak semua instalasi pasti mengalami pencurian.

Serangan ini menjadi contoh bagaimana penyusupan rantai pasokan aplikasi berpotensi menyebarkan komponen berbahaya secara luas. Berdasarkan penjelasan tim LiteLLM, pelaku memanfaatkan kelemahan dalam rangkaian pengamanan penerbitan. Paket yang diterbitkan dibuat melalui jalur yang telah dimanipulasi. Rangkaian penyusupan tersebut menegaskan pentingnya pemeriksaan tidak hanya pada repositori proyek, tetapi juga mekanisme publikasi paket. Di lingkungan DevOps, keamanan supply chain menjadi semakin penting. Tanpa pengendalian memadai, organisasi mungkin menjalankan komponen yang telah dimodifikasi meskipun menggunakan repositori populer.

Langkah Mengamankan Sistem Setelah Insiden LiteLLM 1.107.0

Bagi organisasi yang menggunakan LiteLLM, prioritas utama mencakup pemeriksaan lingkungan yang terdampak. Pemeriksaan tersebut harus memperhatikan komputer pengembang, server pengujian, container, cache paket, dan artefak hasil build. Hal penting yang ditekankan Microsoft, pemeriksaan pada lingkungan yang diduga terinfeksi tidak boleh dimulai dengan menjalankan interpreter Python terdampak. Pembatasan tersebut penting karena startup interpreter dapat memicu malware. Dalam investigasi insiden, administrator dapat menggunakan alat analisis dari sistem bersih. Ketika lingkungan berisiko berhasil dipetakan, sistem sebaiknya dipisahkan dari jaringan bila diperlukan untuk mencegah penyebaran dampak keamanan.

Setelah lingkungan terdampak diidentifikasi, organisasi perlu meninjau kredensial yang mungkin terekspos. Informasi yang perlu diperiksa mencakup token layanan AI, akses cloud, kredensial Git, SSH, dan token layanan internal. Rotasi kredensial perlu menggunakan perangkat terpercaya. Selain mengganti kredensial, administrator perlu membangun ulang lingkungan yang terdampak. Dalam rekomendasi keamanannya, Microsoft menjelaskan bahwa penghapusan direktori aplikasi belum tentu menyingkirkan malware. Penyebabnya file startup berbahaya dapat berada di luar direktori aplikasi. Dengan demikian, pemulihan menyeluruh dan validasi keamanan harus diprioritaskan.

Kesimpulan Insiden LiteLLM dan Pentingnya Keamanan Rantai Pasokan

Hasil investigasi keamanan terhadap paket LiteLLM terinfeksi memperlihatkan tantangan serius dalam perlindungan infrastruktur digital. Melalui manipulasi proses distribusi, penyerang mampu memasukkan malware ke dalam artefak resmi. Kemampuan malware berjalan saat Python dimulai meningkatkan cakupan paparan karena penggunaan Python biasa dapat memicu payload. Walaupun paket terdampak telah ditarik, pemeriksaan sistem tetap diperlukan. Insiden tersebut memperlihatkan kebutuhan perlindungan pipeline rilis dan pembatasan izin layanan sesuai kebutuhan. Berkat strategi keamanan yang konsisten, organisasi berpotensi meningkatkan ketahanan infrastruktur. Apa pandangan Anda perlindungan pipeline pengembangan perangkat lunak? Bagikan pemikiran Anda mengenai pentingnya keamanan perangkat lunak sumber terbuka.