一個數字震驚了整個 AI 開發社群：每月平均安裝量高達 9500 萬次的 AI API 管理工具 LiteLLM，於 2026 年 3 月 24 日傳出遭遇駭客供應鏈投毒攻擊。這次事件導致惡意程式碼植入官方套件庫，讓數千家依賴 LiteLLM 串接 OpenAI、Anthropic 等逾百家 AI 服務的企業，其核心 AI 架構面臨前所未有的資安風險。
表象：AI 開發利器淪為駭客溫床
這款名為 LiteLLM 的開源 AI API 閘道器，因其能讓開發者透過統一格式，輕鬆調用超過 100 家服務商（包括 OpenAI、Anthropic、Azure 等）的 API，而廣受業界歡迎。它如同 AI 基礎設施的中央樞紐，掌管著各式各樣的數位金鑰與資源存取權限，高效便捷的特性，使其成為無數 AI 專案不可或缺的基石。然而，也正是這種高度集中化的特性，讓它不幸成為駭客眼中垂涎的「肥羊」，一旦攻破，便能精準打擊掌握各類資源鑰匙的核心節點。
根據科技媒體 cyberkendra 於 2026 年 3 月 24 日發布的報告，這場駭客攻擊手法極其隱蔽，目標明確直指 AI 基礎建設的供應鏈核心，其影響範圍之廣，令人咋舌。
真相：三階段惡意程式碼，靜默感染難察覺
這次攻擊的技術手段展現了極高的隱蔽性與複雜性。駭客於 2026 年 3 月 24 日，在 Python 的官方套件倉庫 PyPI 上發布了兩個帶有後門的惡意版本：1.82.7 與 1.82.8。這兩個版本搭載了精心設計的「三階段攻擊負載」。首先，它會透過憑證收集器竊取系統中的敏感資料；接著，利用 Kubernetes 橫向移動工具在叢集節點間悄然滲透；最後，再植入一個偽裝成系統遙測服務的持久性後門，如同在數位世界中埋下了一顆定時炸彈。
有趣的是，這兩個惡意版本各有巧妙之處。1.82.7 版本將惡意程式碼隱藏在 proxy_server.py 檔案中，使用者只要匯入該模組，程式碼便會自動且靜默地執行。更令人防不勝防的是 1.82.8 版本，它利用了 Python 的 .pth 設定檔特性。由於 Python 解釋器在啟動時會自動處理這類檔案，這意味著無論使用者是否手動匯入模組或進行任何互動，只要有任何 Python 調用，惡意軟體就會被觸發，整個環境便會被完全感染，防不勝防。
各方角力：TeamPCP 駭影浮現，雲端機密大量外洩
為了避開資安監測系統的追蹤，駭客將所有竊取到的資料，透過 AES-256-CBC 與 RSA-4096 等高強度加密技術進行層層包裹，並透過一個偽造的誤導性網域 models.litellm.cloud 進行回傳，企圖魚目混珠。根據資安公司 Endor Labs 的深入調查，這次被竊取的資料範圍極廣且極其敏感，涵蓋了 SSH 金鑰、AWS 與 GCP 雲端憑證、Kubernetes 機密、數位貨幣錢包，甚至是 CI/CD (持續整合/持續部署) 權杖等核心機密，這些都是企業最寶貴的數位資產。
調查結果直指駭客組織 TeamPCP 為幕後黑手。這個組織早在本月初就曾入侵過 Aqua Security 的 Trivy 掃描器。由於 LiteLLM 在自身的 CI/CD 流水線中，恰巧使用了已被入侵的 Trivy 工具，這讓 TeamPCP 有機可乘，成功獲取了 LiteLLM 的發布權限，進而順利推送帶有惡意程式碼的版本，這無疑是供應鏈攻擊的經典案例。
深層影響：企業資安防線面臨嚴峻考驗
這次攻擊不僅凸顯了開源生態系中供應鏈安全的脆弱性，更對依賴 LiteLLM 的數千家企業敲響了警鐘。一旦這些核心機密外洩，駭客將能輕易滲透企業的雲端基礎設施、存取敏感資料庫，甚至接管關鍵的開發與部署流程。這不僅可能造成巨大的經濟損失，更可能損害企業的聲譽，甚至影響國家關鍵基礎設施的安全。這次事件無疑提醒所有 AI 開發者與企業，在追求開發效率的同時，資安防護絕不能有絲毫鬆懈。
未解之問：如何修補信任裂痕，防範未然？
目前，惡意版本已從 PyPI 倉庫撤下，最後一個確認為安全版本的是 1.82.6。面對這場資安風暴，受影響的使用者應立即採取行動，以挽回潛在損失。你可能會想，我該如何確認是否受害？
受影響的 LiteLLM 使用者應立即執行以下步驟：
- 在終端機執行命令
pip show litellm | grep Version確認當前安裝版本。 - 檢查
site-packages目錄下是否存在litellm_init.pth檔案，這是惡意軟體留下的痕跡。 - 若確認安裝過惡意版本，必須立即強制更換所有雲端金鑰 (如 AWS、GCP 憑證)、SSH 私鑰、資料庫密碼以及 Kubernetes 權杖。
- 將 LiteLLM 降級至 1.82.6 版本，這是目前已知的安全版本。
- 針對過去 48 小時內所有執行過的 CI/CD 流水線進行全面的安全審計，確保沒有殘留的持久化後門。
這起事件再次提醒我們，開源工具雖然帶來了極大的便利與創新，但也伴隨著不可忽視的供應鏈風險。在 AI 技術高速發展的今天，企業與開發者如何能在效率與安全之間找到平衡，並建立一套更為嚴謹的審核機制，確保其所使用的每個環節都滴水不漏？這將是我們在邁向 AI 時代時，不得不持續深思的未解之問。
