이것은 네 번째 에피소드입니다. 일련의 게시물 악성 구성 요소에 대해 설명드리겠습니다. 제니 이러한 위협에 대처하는 접근 방식은 저희가 다루는 내용의 일부입니다. Open Source Security.
우리는 출처가 불분명한 오픈 소스 구성 요소에 대한 과도한 신뢰가 온갖 악의적인 행위자들에 의해 악용되어 개발자 컴퓨터에서 실행되거나 예상치 못한 동작을 유발하는 것을 목격했습니다. CI/CD 시스템에 침투하거나 피해 조직의 소프트웨어에 내장되어 조직의 고객에게 전달됩니다. 우리는 이를 분석했습니다. 에피소드 #2 공개 레지스트리를 이용한 악성코드 유포 공격과 악의적인 행위자들의 활동 방식을 관찰한 후 얻은 교훈, 그리고 이전 사례들을 살펴보겠습니다. 에피소드 #3 이러한 위협에 대응하는 데 효과적인 통제 방안(그리고 실패하는 방안)을 검토했습니다.
이제 문제 해결 접근 방식을 살펴보겠습니다. 이번 에피소드에서는 Xygeni에서 사용하는 전략을 소개합니다. 악성코드 조기 경보 (MEW) 시스템에 대해 설명드리겠습니다. 이 다단계 시스템이 새로운 패키지 버전이 출시될 때 실시간으로 어떻게 작동하는지, 다양한 소스에서 증거를 어떻게 수집하는지, 선별 작업은 어떻게 이루어지는지, 어떤 분류 기준을 따르는지, 그리고 악성 패키지 후보의 특성을 확인하기 위해 수동 분석이 여전히 필요한 이유는 무엇인지 설명드리겠습니다. 또한 NPM, GitHub, PyPI 및 기타 오픈 소스 생태계의 주요 인프라가 악성코드의 체류 시간을 줄이는 데 어떻게 기여하고 있는지 설명드리겠습니다.
The pipeline
Xygeni 악성코드 조기경보(MEW)는 JavaScript/Node 또는 Python과 같은 지원되는 프로그래밍 생태계용 라이브러리 및 프레임워크 패키지 tarball, Docker/OCI 컨테이너 이미지, IDE와 같은 도구용 확장 프로그램 및 플러그인 등 다양한 구성 요소를 지속적으로 처리합니다. CI/CD 시스템. 이러한 구성 요소는 다양한 수준의 사용자 검증을 거쳐 공개 레지스트리에 게시됩니다.
다음은 시스템 작동 방식을 도식적으로 나타낸 것입니다.
The 발견 자 이 프로세스는 게시 이벤트 피드를 가져옵니다. 게시 이벤트는 새 구성 요소 또는 기존 구성 요소의 새 버전이 생성되는 것을 의미합니다. 널리 사용되는 레지스트리는 사용자가 게시-구독 메커니즘을 제공하지 않으므로, 일반적으로 레지스트리를 폴링하여 최근 이벤트를 확인합니다. OSSF의 훌륭한 프로젝트입니다. 패키지 피드지원 PyPI나 Maven Central과 같은 인기 있는 레지스트리와 유사한 기능을 제공하며, 통합된 피드 기반 인터페이스를 제공합니다. MEW에서는 대기 시간을 줄이기 위해 몇 가지 특정 구현을 추가했는데, 예를 들어 NPM에서 사용하는 CouchDB 데이터베이스의 복제본을 공개 레지스트리 데이터베이스와 동기화하는 방식이 있습니다.
Xygeni에는 재고가 있습니다.[1] 고객 소프트웨어에서 직간접적으로 사용되는 모든 구성 요소를 파악합니다. 고객의 구성 요소 좌표는 분석 우선순위 지정을 위해 MEW에 정기적으로 제공됩니다. 고객이 사용하는 구성 요소는 먼저 처리됩니다. 우선순위는 구성 요소 제공업체의 평판과 중요도에 따라 결정되므로 평판이 낮은 제공업체의 구성 요소도 우선적으로 처리됩니다.
The 분석기 그다음 우선순위 큐에 있는 대기 중인 구성 요소를 처리합니다. 분석을 위해 구성 요소 버전이 선택되면 레지스트리에서 해당 tarball이 다운로드됩니다. 패키지된 바이너리 구성 요소가 분석된다는 점에 유의하십시오. 대부분의 오픈 소스 구성 요소는 일반적으로 github.com과 같은 오픈 소스 저장소에서 제공되며, 이는 단지 맥락 설명일 뿐입니다. 악성코드는 항상 구성 요소 tarball에서 검색됩니다. 이는 공격자가 배포하는 구성 요소 tarball을 빌드하는 데 사용했다고 주장하는 소스에 대해 조직적으로 거짓 정보를 제공하기 때문입니다.
사용자 관점에서
여러분은 이렇게 생각하실 겁니다. "악성 패키지 버전을 미리 아는 것이 어떻게 도움이 될까?" 이번 에피소드에서 그 답을 찾아보겠습니다. 악성 소포 분석: 최신 동향은? 우리는 총 체류 시간이 며칠에 달하는 반면, MEW가 해당 구성 요소를 사용하는 고객에게 첫 번째 알림을 보내는 시간은 몇 분에 불과하다는 것을 확인했습니다. 간단한 안전장치를 사용하면[2] 빌드를 차단할 수 있습니다(경고 수준은 두 가지가 있는데, 하나는 엔진이 잠재적인 악성코드가 있다고 판단할 때 완전히 자동으로 작동하는 수준이고, 다른 하나는 보안팀이 수동 검사를 통해 악성코드 존재를 확인했을 때 보내는 후속 알림입니다). 레지스트리에서 악성코드를 확인하고 제거할 때까지 기다리는 것은 노출 기간이 길기 때문에 일반적으로 너무 늦습니다.
해당 조직은 잠재적 악성코드가 포함된 구성 요소가 있는지 확인하는 안전장치(두 가지 경고 수준 중 하나)를 사용하거나, API를 통해 소프트웨어 프로젝트의 직간접적인 종속성 중 악성 구성 요소를 사용하는 것이 있는지 신속하게 파악할 수 있습니다.
MEW 작동 방식: 자세한 내용
핵심: 악성코드 탐지 엔진
분석기는 다양한 탐지기를 사용하여 부정행위의 증거를 포착합니다. 탐지기는 정적 분석, 역량 분석 및 맥락 분석을 결합합니다.[3]이 시리즈의 이전 게시물에서 설명했듯이.
Xygeni는 정적 분석 분야에서 오랜 경험을 가진 엔지니어링 팀을 보유하고 있으며, 이것이 다른 안티멀웨어 솔루션과 차별화되는 가장 큰 특징입니다. 일부 생태계에서는 패키지된 tarball에 소스 코드(예: NPM 패키지의 JavaScript 또는 TypeScript 코드, PyPI 패키지의 Python 소스 코드) 또는 정적 분석에 적합할 정도로 소스 코드와 유사한 컴파일된 코드(예: Maven용 JAR 파일의 바이트코드)가 포함되어 있습니다. 컨테이너 이미지와 같은 경우에는 바이너리 실행 파일이 일반적이므로, YARA 규칙 및 멀웨어 시그니처 기반의 기존 멀웨어 탐지 방식과 함께 기능 추론 기법이 사용됩니다.
정규 표현식이나 시그니처와 같은 간단한 기술은 악성 행위를 탐지하는 데 적합하지 않다는 점에 유의하십시오. 드로퍼나 다운로더를 탐지하는 경우를 생각해 보세요. 패키지 안에 있거나 외부 도메인에서 다운로드된 코드나 바이너리가 있을 수 있는데, 이는 해당 구성 요소와는 관련이 없을 수 있습니다(예: 특정 웹사이트의 일부). 위협 행위자가 구매한 도메인 목록 (대규모)[4]또는 탐지를 피하기 위한 합법적인 도메인해당 코드는 그 기능을 수행하는 함수 중 하나를 사용하여 실행됩니다. 코드는 다운로드 URL이나 다운로드된 코드를 실행하는 데 사용되는 함수를 숨기도록 변형될 수 있습니다. 이를 탐지하려면 정적 분석의 모든 기능을 활용한 전체 데이터 흐름 분석이 필요하며, 일반적으로는 샌드박스 환경에서 실행하여 (악의적인 행위가 실행될 조건이 실제로 충족될 경우) 탐지할 수 있습니다.
위협 행위자들은 동일한 기법을 사용하므로, 이러한 기법에 맞춰 탐지기가 설계 및 구현되었습니다. 또한, 숨겨진 행위를 드러내기 위해 종종 필요한 사전 처리 단계, 예를 들어 난독화 제거 작업도 있습니다.
문맥 추가
일부 탐지기는 컨텍스트 정보를 활용합니다. 예를 들어, 구성 요소 레지스트리의 버전과 연결된 GitHub 저장소의 태그/릴리스 버전이 일치하지 않는 경우, 악의적인 공격자가 레지스트리에 대한 게시 권한은 획득했지만 GitHub 저장소에 대한 권한은 획득하지 못했을 가능성이 높다는 강력한 증거가 됩니다. 암호화폐 지갑 공급업체에 영향을 미친 공격과 같은 유형의 공격이 여기에 해당합니다. 원장 이러한 불일치로 인해 쉽게 감지될 수 있습니다.
A 악의성 점수 (MS)는 탐지기 작동 결과를 바탕으로 수집된 증거의 강도에 따라 계산됩니다. 모든 결과가 동일한 것은 아니며, 실행 순서도 중요합니다.
사용자 및 구성 요소 평판
모든 오픈소스 개발자가 다 똑같은 것은 아닙니다!
평판이 좋은 개발자라도 NPM 계정이 탈취당할 수 있습니다(보안에 민감한 사람에게도 이런 일이 발생합니다). 탈취당한 계정을 이용해 악성코드가 유포되는 경우도 있죠. 당연히 평판은 급격히 떨어지고, 탈취당한 계정을 되찾고 개발자가 탈취의 원인이 된 상황을 바로잡아야만 예전의 명성을 회복할 수 있습니다. 평판은 얻기는 어렵지만 한순간에 잃을 수도 있는 것입니다.
MEW에서는 긍정적인 행동에는 보상을, 의심스러운 활동에는 제재를 가하는 포괄적인 평판 관리 시스템을 구축했습니다. 이 시스템은 신규 사용자의 경우 중립적인 상태로 시작하여 사용자의 활동에 따라 평판을 조정합니다.
사용자의 평판은 활발한 소셜 미디어 계정 유지, 다단계 인증 활성화, 프로젝트에 정기적으로 참여, 회원 가입 등의 긍정적인 행동을 통해 향상됩니다. commit검증 가능한 키를 사용하는 경우 평판이 좋아집니다. 반대로 악성코드를 유포하거나, 일회용 이메일 주소를 사용하거나, 서명을 하지 않는 등의 악의적인 행동으로 인해 평판이 떨어집니다. commits, 또는 기여도에서 특이한 패턴을 보이는 경우.
저희 시스템의 주된 목표는 안전하고 신뢰할 수 있는 환경을 보장하는 것입니다. 이를 위해 다양한 요소를 기반으로 사용자 평판을 동적으로 조정하는 동시에 개인정보 보호 문제와 각 등록기관의 한계를 준수합니다.
사용자에 대한 내부 평판 점수가 계산됩니다(가능한 경우 레지스트리 및 GitHub 계정 가입). 이 점수는 분석 대상 구성 요소 분류 시 사용되는 악의성 점수와 함께 구성 요소 게시 대상자를 더 정확하게 판별하는 데 사용됩니다.
악의적인 행위에 대한 증거가 발견되었습니다. 그래서 어쩌라는 거죠? 매뉴얼 검토 과정
현재 분류기는 분석된 구성 요소 버전을 "악성 확정", "악성 가능성 높음", "고위험", "저위험" 또는 "비악성" 범주 중 하나로 분류합니다. 이는 발견 사항을 종합한 점수와 사용자/구성 요소 평판에 대한 임계값을 기반으로 합니다. "고위험" 또는 "악성 가능성 높음" 범주로 분류되면 수동 검토 및 최초 알림이 트리거됩니다. "악성 확정" 범주는 수동 검토 후 또는 이전 버전에서 악성으로 확정된 것과 동일한 증거가 확인될 때 설정됩니다.
악의적인 행위 가능성에 대한 충분한 증거가 확보되면, 해당 조직에 첫 번째 경고(격리 경고)가 전송됩니다. 앞서 언급했듯이, 이로 인해 격리된 구성 요소에 의존하는 소프트웨어의 설치 또는 빌드가 차단될 수 있습니다.
이는 MEW 내부에서 문제를 야기합니다. dashboard 따라서 보안 분석가는 해당 구성 요소에 대한 수동 검토 프로세스를 시작할 수 있습니다. 해당 팀은 조사 대상 구성 요소 버전의 특성을 신속하게 평가하기 위한 특수 도구(샌드박스, 난독화 해제 도구, 악성코드 연구용 배포 도구, 악성코드 보고 도구)를 보유하고 있습니다. 대부분의 악성코드("멸치" 또는 정교하지 않은 악성 구성 요소)는 검토됩니다.
검토 결과는 다음 중 하나로 결론지어집니다. 가장 안전한 따뜻함그래서 자동 분석 엔진이 잘못된 양성 반응을 발견했는데, 이 반응은 기계 학습 분류기가 패턴을 학습하는 데 피드백으로 사용됩니다. 악성 행위로 확인됨따라서 해당 구성 요소는 보고 절차에 따라 악성으로 공개 등록부에 책임감 있게 공개됩니다. 두 번째 알림은 영향을 받는 조직에 전송되며, 해당 조직은 이에 따라 조치를 취할 수 있습니다. 해당 구성 요소의 격리를 해제하거나, 버전 업그레이드 프로세스 또는 내부 레지스트리에 사용되는 구성 요소 방화벽에서 해당 구성 요소를 확실히 차단해야 합니다.
이 설정을 통해 매일 수만 개의 새 버전을 분석하고 악성일 가능성이 높은 수십 개의 버전을 식별한 다음 수동으로 검토할 수 있습니다. 지난 에피소드에서 언급했듯이 현재 실제 환경에서 악성 구성 요소가 발견되는 비율은 만 개 중 하나꼴입니다.
등록기관에 보고
저희는 오픈 소스 인프라의 핵심 기반 중 하나인 대부분의 공개 레지스트리가 보안 문제, 특히 악성 구성 요소 신고를 위한 메커니즘을 상당히 제한적으로 제공한다는 사실을 발견했습니다. 신고 프로세스의 근본적인 구조를 개선하는 데 어려움을 겪고 있습니다. 일반적으로 레지스트리 보안팀으로부터 해당 구성 요소가 레지스트리에서 삭제되었다는 확인 이메일 한 통을 받는 것이 전부입니다.
때때로 레지스트리가 악용되어 이용 약관을 위반하는 경우가 있지만, 배포된 소프트웨어에 악의적인 동작을 유발하지는 않습니다. 이러한 경우에도 레지스트리에 보고되지만, 불필요한 관심을 줄이기 위해 관련 기관에는 알림이 전송되지 않습니다.
미래의 일
현재 여러 가지 개선 사항이 로드맵에 포함되어 있습니다. 무엇보다도 먼저, OS 구성 요소 상태를 위한 공개 포털특히 악의적인 의도가 있었을 가능성을 시사하는 증거와 관련된 부분은 현재 개발 중입니다. 이는 오픈 소스 커뮤니티에 대한 작은 기여를 위한 것입니다. 앞으로의 진행 상황을 기대해 주세요.
현재 진행 중인 또 다른 개발 사항은 개선된 사항입니다. 머신러닝 분류기MEW는 과거 분류 결과를 학습합니다. 엔진 탐지기의 발견 사항 벡터와 구성 요소 및 게시자에 대한 악성도 점수 및 평판 점수("발견된 증거")를 머신 러닝 시스템의 입력으로 사용하여 분류기 모델을 업데이트합니다. 출력 변수는 레지스트리가 해당 구성 요소가 악성인지 여부를 확인했는지 여부입니다. 이를 "오라클"이라고 하며, 보다 사전 예방적인 접근 방식에 도움이 될 것입니다.cise qualifier는 높은 재현율(즉, 악성 구성 요소를 놓치지 않음)을 유지하면서도 오탐(안전한 구성 요소를 악성으로 보고하지 않음)을 줄이도록 설계되었습니다.
A 중요도 점수 고객 의존성 집합에 속하는지 여부와 게시자의 낮은 평판 외에도 우선순위 기준에 추가될 것입니다. 영향력과 중요도가 높은 프로젝트일수록 분석에서 우선적으로 고려되어야 한다는 것은 분명합니다. 우리는 여기서 새로운 것을 만들어내지 않고 기존의 방식을 따를 것입니다. 오픈 소스 프로젝트 중요도 점수.
다양한 생태계 지원이 개발 중입니다. PHP 또는 Jenkins 플러그인과 같은 널리 사용되는 기술 및 도구가 로드맵에 포함되어 있습니다.
또한, 더욱 정교한 악성 구성 요소에 대한 분석을 간소화하기 위해 수동 검토 프로세스를 AI로 보완할 수 있는지 여부도 검토하고 있습니다.
이번 시리즈의 다음이자 마지막 편에서는, “오픈소스 악용: 악당들이 무엇을 노릴지 예상하기"이 글에서는 적들이 공격을 더욱 은밀하고, 탐지하기 어렵게 만들고, 특정 산업을 더욱 겨냥하고, 수익성을 높이기 위해 사용하는 최신 수법에 초점을 맞출 것입니다. 랜섬웨어 공격이 이러한 방식을 통해 이루어질까요? 악당들은 인공지능 도구를 어떻게 활용하여 더욱 정교한 악성 소프트웨어를 배포할까요? 가장 인기 있는 프로젝트들이 위험에 처해 있을까요? 독자 여러분께 이러한 군비 경쟁의 실태와 단기(2024년 하반기) 및 중기(2025년)에 예상되는 상황을 알려드리고자 합니다."
마지막으로 오픈소스 세계의 개방성을 크게 해치지 않으면서 커뮤니티가 취할 수 있는 작은 발걸음에 대한 몇 가지 생각을 공유하겠습니다. 예를 들어, 공개 레지스트리에 악성코드를 보고하는 보다 효율적인 메커니즘과 잠재적으로 악의적인 구성 요소에 대한 증거를 레지스트리 및 커뮤니티와 공유하는 것은 위협 행위자의 침입을 막는다는 목표를 향한 작은 발걸음이 될 수 있습니다.
오픈소스 구성 요소에 포함된 악성코드는 오픈소스 커뮤니티가 우리 사회에 가져다준 막대한 이점을 저해해서는 안 됩니다.
- [1] 저희 스캐너는 분석 대상 소프트웨어 프로젝트에서 참조하는 오픈 소스 구성 요소를 감지하므로, 정기적으로 스캔되는 프로젝트의 경우 최신 종속성 그래프를 완벽하게 파악할 수 있습니다. Xygeni OSS는 고객이 관심 있는 구성 요소를 화이트리스트에 추가하는 과정에서 사용할 수 있는 API를 제공하며, 여기에는 취약점 및 악의적인 증거에 대한 정보도 포함됩니다.
- [2] 보안 문제와 일치하는 조건이 감지되면 빌드가 중단될 수 있습니다. 심각하고 접근 가능한 취약점이나 격리된 구성 요소 사용과 같은 보안 문제는 해당 소프트웨어의 빌드를 중단시킬 만큼 심각한 것으로 간주될 수 있습니다.
- [3]저희 보안 분석가들은 필요한 경우 샌드박스 환경에서 구성 요소 또는 설치 스크립트를 실행합니다. 하지만 MEW는 동적 분석을 수행하지 않습니다. 이는 악의적인 행위가 항상 표적 공격으로 이루어지는 것은 아니며, 공격자들이 동적 분석을 회피하기 위해 사용하는 회피 논리 때문입니다.
- [4] 이 기법은 등록 도메인 생성 알고리즘(RDGA)이라는 이름이 붙여졌으며, 소위 말하는 새로운 위협 행위자들이 등장했습니다. 리볼버 래빗 1만 개의 도메인에 무려 500만 달러를 투자했다는 사실은 사이버 범죄 산업이 얼마나 수익성이 높은지를 보여줍니다.







