LiteLLM 1.107.0 被曝包含凭据窃取器和后门。它影响的不只是依赖版本,而是 Agent 团队对 PyPI、环境变量和运行时权限的排查。
SafeDep 的原始分析称,这个恶意版本会安装 Credential Stealer(凭据窃取器)和 Backdoor(后门)。
先说结论:Agent 的安全边界不只在 Prompt Injection。模型输入之外,Python 依赖、模型网关、环境变量和工具权限,都可能成为攻击面。
一次 PyPI 投毒,为什么打到 Agent 凭据
LiteLLM 是一个多模型网关与代理框架。它常被放在应用和模型供应商之间,负责路由请求、管理模型配置,以及处理不同供应商的调用。
如果部署方式类似这样:
from litellm import completion
response = completion(
model="anthropic/claude-sonnet-4-5",
messages=[{"role": "user", "content": "Summarize this ticket"}],
api_key=os.environ["ANTHROPIC_API_KEY"],
)
那么 LiteLLM 所在进程通常不只接触一个模型供应商的凭据。
它可能持有:
- Anthropic、OpenAI 等模型供应商的 API key;
- AWS、Azure 或 Google Cloud 的访问凭据;
- 数据库、对象存储和内部服务凭据;
- Agent 工具调用需要的内部 API token;
- 日志、计费、监控和追踪系统的密钥。
一次 PyPI 包更新的危险,不只在“安装了一个恶意版本”。恶意代码如果运行在网关进程里,就能利用该进程已有的权限。
LiteLLM 1.107.0 的具体风险
SafeDep 报告称,LiteLLM 1.107.0 的 PyPI 包遭到供应链入侵。报告标题和摘要明确指出,该版本被证实会安装 Credential Stealer 与 Backdoor。
这里要区分两件事:
- 供应链入侵:攻击者进入了真实的包发布或分发链路;
- 恶意功能落地:安装后,代码包含凭据窃取器和后门能力。
这和普通的 typo-squatting 不一样。
typo-squatting 通常是仿冒包名,例如把 litellm 拼错,诱导用户安装。攻击者利用的是用户输入错误。
这次风险更接近“原包被替换”或“发布流程被控制”。依赖名没写错,项目也确实使用 LiteLLM,但特定版本更新后,包本身发生了变化。
对工程团队来说,默认安全假设需要改变:
包名正确 ≠ 版本安全
锁文件存在 ≠ 所有包都可信
CI 安装成功 ≠ 生产环境没有执行恶意逻辑
尤其要注意 postinstall、构建脚本和动态安装逻辑。恶意代码不一定只在业务代码被调用时执行。它可能在安装、进程启动或模块导入阶段运行。
原始安全分析:https://safedep.io/litellm-pypi-compromise-credential-stealer-backdoor/
最危险的不是安装,而是拿到密钥
Credential Stealer 和 Backdoor 是两个不同层次的风险。
凭据窃取器解决的是“拿到什么”:
- 环境变量;
- 云服务配置;
- 本地凭据文件;
- 进程中的 token;
- 代理服务使用的 API key。
后门解决的是“以后怎么回来”:
- 保留再次访问系统的入口;
- 等待后续命令;
- 在特定条件下恢复执行;
- 让短期修复无法彻底清除风险。
两者组合后,攻击可能从一次性数据窃取变成持续性风险。
对普通应用来说,泄漏一个聊天 API key,影响可能是账单和请求额度。对 AI Agent 来说,影响往往更大。
Agent 不只是“生成一段文字”。如果它具备工具调用能力,可能执行:
- 读取代码仓库;
- 修改文件和提交变更;
- 查询内部数据库;
- 调用工单、CRM 或邮件系统;
- 部署服务;
- 发起支付或云资源操作。
一旦模型网关或 Agent runtime 拿到高权限密钥,Prompt Injection 只是后续利用方式之一。攻击者甚至不必先骗模型点开链接。恶意代码可以直接读取凭据,或者伪造后续调用。
真正需要关注的是这条权限链:
恶意 PyPI 包
↓
Agent runtime / LiteLLM 进程
↓
环境变量、配置文件、云凭据
↓
内部 API、代码仓库、生产系统
给 AI 工程团队的三条止损线
1. 锁版本,也锁 hash
不要只写一个版本范围:
[project]
dependencies = [
"litellm>=1.100.0",
]
这种写法会让每次构建都有机会解析到不同版本。对生产 Agent 来说,不够。
应该固定版本,并通过 lockfile 记录完整依赖。安装时还可以校验 hash:
python -m pip install --require-hashes -r requirements.txt
CI 中应保存并审查:
requirements.txt的精确版本;poetry.lock、uv.lock或pip-tools生成的锁定文件;- 包文件的 hash;
pip list、pipdeptree或uv pip tree的依赖树;- 构建和安装阶段实际执行的脚本。
对于已经暴露在事件窗口内的版本,不要只升级后继续使用。先确认恶意版本是否执行过,再判断哪些凭据需要轮换。
2. 轮换环境里出现过的密钥
如果 1.107.0 曾经进入开发机、CI runner、容器镜像或生产环境,默认应按“相关凭据可能暴露”处理。
至少检查:
- 模型供应商 API key;
- 云平台 access key;
- 数据库密码和连接串;
- GitHub、GitLab、GitHub Actions 等代码平台 token;
- Slack、邮件、监控和日志服务 token;
- Agent 可调用的内部服务凭据。
轮换不是简单生成一个新 key。新旧 key 要并行切换,确认旧 key 已失效,并检查异常调用记录。
还要检查权限。一个只用于调用 Claude 的 key,不应该同时拥有读取代码仓库或部署生产服务的权限。
3. 隔离部署凭据
模型网关应该尽量运行在独立的最小权限环境中。
可以按这几层拆分:
Agent API 服务
└─ 只持有短期 Agent token
LiteLLM 网关
└─ 只持有必要的模型供应商 key
部署与云控制面
└─ 不进入 Agent 容器
具体做法包括:
- 使用容器或虚拟机隔离运行环境;
- 禁止 Agent runtime 读取云平台控制面凭据;
- 使用短期 token,并设置自动过期;
- 对工具调用设置 allowlist;
- 限制网关出站网络;
- 把生产部署放到独立 CI/CD 身份中;
- 禁止默认读取
~/.aws、~/.ssh、~/.config等敏感目录; - 在执行外部输入前再次检查权限。
从 CI 到生产,可以用这份清单排查:
[ ] 是否安装过 LiteLLM 1.107.0?
[ ] 是否解析过未锁定的依赖?
[ ] 是否存在 postinstall 或动态下载行为?
[ ] 是否检查过构建镜像和缓存?
[ ] 是否轮换过模型、云平台和内部 API 凭据?
[ ] Agent runtime 是否持有不必要的生产权限?
[ ] 是否检查了异常 token 使用和出站连接?
如果团队使用 LangGraph、MCP 或自定义工具层,还要把每一层纳入排查。网关只是依赖链的一环。
编辑思考
这次事件的重要性,不在于 LiteLLM 是否会被永久“毒化”。它提醒 Agent 团队:安全边界已经从模型回答延伸到运行时。一个 Python 包更新,可能同时接触模型 key、云凭据和内部 API 权限。这与过去的 Prompt Injection 不同。后者通常从模型输入开始,需要诱导模型;供应链攻击则可能直接发生在代码和权限层,不必先说服模型。
我的判断是,Agent 团队会把“最小权限”看得比 Prompt Injection 更基础。模型和工具当然要审,但如果一个网关进程握着几十个长期密钥,任何依赖投毒都会被放大。
目前仍有未知点:恶意代码在什么条件下收集了哪些凭据、Backdoor 是否有外联行为、环境是否已被二次利用,都不能只靠版本号判断。团队应核对安装日志、构建缓存、网络连接和密钥调用记录,而不是升级后就把风险归零。