如果你是一名 Python 开发者，对 pip install 命令肯定很熟悉——这是最常用的套件安装指令，可用来从 PyPI 或其它来源安装、升级与管理套件。

但就在 3 月 24 日，这个看似无害的动作，差点变成一场席卷整个开源生态的安全灾难：出问题的是 AI 开发圈中使用非常广泛的 Python 库 LiteLLM，它在 PyPI 上发布的两个版本（1.82.7 和 1.82.8）被发现包含恶意代码。

简单介绍一下，LiteLLM 的作用很简单：统一调用不同大模型 API，让开发者可以在 OpenAI、Anthropic、Google 等模型之间自由切换。因此，它被大量 AI 项目当作底层依赖使用，月下载量高达 9700 万次。

换句话说：它一旦出问题，影响范围也将呈指数级放大。

一次“绕过流程”的投毒发布

事情的起点，是当天 10:52（UTC）发布到 PyPI 上的一个新版本：litellm 1.82.8。随后 FutureSearch 团队很快确认，1.82.7 版本也同样受到了 污染。

表面上，这只是一次普通的版本更新。但很快有人发现不对劲：PyPI 上出现了新版本，GitHub 仓库却没有任何对应的 release 或 tag。显然，该版本的发布应该是绕过了正常流程。

更关键的是，更新之后的版本中夹带了一个不起眼却极其危险的文件——.pth 文件。

对于不熟悉 Python 机制的人来说，这里有个关键点：.pth 文件可以在 Python 解释器每次启动时自动执行代码。也就是说，只要安装了这个版本：即使你没有主动调用 LiteLLM，恶意代码也会在后台悄悄运行。

幸运“乌龙”：攻击代码出了“低级 Bug”

这次的恶意攻击之所以被快速发现，并不是因为防御做得有多好，而是——攻击代码自己出了 Bug。

最早发现异常的是 FutureSearch 工程师 Callum McMahon。当时，他正在测试一个 Cursor MCP 插件，却遇到了一个诡异现象：Python 一启动，机器直接卡死（内存被耗尽）。

他排查后发现：

● 问题来源于新安装的 LiteLLM 包 

● 存在一个 34KB 的 .pth 文件

● 文件内容经过双重 base64 编码

正如上文所说，由于 .pth 文件在每次 Python 启动时都会执行，而恶意代码会启动一个 Python 子进程，子进程再次触发 .pth，无限递归之后，最终形成一个指数级的“fork 炸弹”。

由此导致的结果非常直接：内存占用飙升、系统迅速卡死，最终机器直接崩溃。

本来，这只是攻击代码中的一个“低级 Bug”，但正是这个 Bug 引起了工程师的警觉，才让这次攻击浮出水面——正如 Andrej Karpathy 所说：

“如果攻击者不是用 Vibe Code 写代码（而出了 Bug），这次攻击很可能会隐藏几天甚至几周。”

一旦中招，你的开发环境基本“全盘透明”

据 FutureSearch 介绍，这次攻击的恶意代码设计得相当“专业”，主要分为三个阶段：信息收集、数据外传和横向扩散。

首先，它会扫描开发者机器上的敏感信息，包括：SSH 私钥和配置、.env 文件中的各种 API Key、AWS、GCP、Azure 等云平台凭证、Kubernetes 配置、Git 凭证、数据库密码、Shell 历史记录，甚至加密货币钱包文件。同时，它还会主动读取环境变量，并访问云环境中的元数据接口，进一步挖掘可用权限。

接下来，这些收集到的数据不会明文发送，而是经过精心处理：

使用 AES-256-CBC 加密数据，再用 4096 位 RSA 公钥加密会话密钥，打包成 tar 文件并发送到 https://models.litellm.cloud/——这个域名看似“官方”，实际上并不属于 LiteLLM 的基础设施。

其实到这一步为止，问题已经足够严重了，但真正危险的是它的第三步：从“偷数据”到“接管集群”。

一旦检测到当前环境中存在 Kubernetes 配置，这段恶意代码会尝试进一步扩散：

● 读取整个集群中所有 namespace 的 secrets 

● 在每个节点上创建特权 Pod 

● 挂载宿主机文件系统 

随后，它会在系统中写入后门：/root/.config/sysmon/sysmon.py，并注册 systemd 服务，实现持久化控制——这意味着：攻击者不仅能读取你的数据，还能长期“接管”你的整个集群，且悄无声息。

如果这件事只影响 LiteLLM 用户，问题还不算最糟。但现实是，影响范围远不止如此：如上文所说， LiteLLM 自身的月下载量已高达 9700 万次，同时它又被大量 AI 项目作为底层依赖使用，因此下载这些项目同样也会受到影响。

如 Karpathy 提到的 DSPy 等框架，都间接依赖 LiteLLM。所以，哪怕你只是执行了一次 pip install dspy，也可能被“顺带感染”——这种通过供应链传播的攻击，就像病毒一样，会在整个软件生态中扩散。

所幸，根据目前披露的信息，被投毒的版本在 PyPI 上存在的时间不到一小时，随后被紧急下架。安全团队也迅速介入，社区开始排查和修复影响范围。到目前为止，没有大规模用户数据泄露的报告，可以说是不幸中的万幸。

如果你中招了，该怎么办？

如果你在 3 月 24 日之后安装过 LiteLLM，请立即执行以下操作：

1. 检查版本：

pip show litellm

重点关注是否为 1.82.7 和 1.82.8 版本。

2. 清理环境：

pip cache purgerm -rf ~/.cache/uv

并删除相关虚拟环境中的 LiteLLM。

3. 检查后门

重点查看：

~/.config/sysmon/sysmon.py

~/.config/systemd/user/sysmon.service

Kubernetes 用户需检查异常 Pod（如 node-setup-*）。

4. 最关键的一点：立即更换所有凭证

记住一个默认原则：只要安装过恶意 LiteLLM 版本的设备，所有凭证一律视为已泄露。其中包括：SSH Key、云服务密钥、Kubernetes 配置、API Key 和数据库密码。

写在最后

关注此事的 Karpathy，在 X 上提到了一句话：

“像这样的供应链攻击，是现代软件中最可怕的事情之一。”

原因在于，今天的软件开发，已经建立在庞大的依赖体系之上：一个项目可能依赖几十甚至上百个库，每个库又有自己的依赖，最终形成一个复杂的“依赖树”。攻击者只需要在这棵树的某一个角落“投毒”，就可能影响到无数的下游项目。

而更可怕的是，一旦凭证被窃取，攻击者就可以登录云服务，接管代码仓库，并发布新的恶意版本，从而形成一个不断扩散的攻击链条。

一直以来，传统的软件工程都在提倡复用、模块化、不要重复造轮子，尽量使用成熟的依赖库。可经过此事，这个理念正在被重新审视。Karpathy 也基于此提出了一个颇具争议的观点：

在一些简单场景下，他更倾向于使用大模型直接生成代码，而不是引入新的依赖。

本质上来说，这是在用“可控的代码生成”，来替代“不可控的外部依赖”——听起来可能有些“反直觉”，但放在安全视角下，却并非没有道理。

参考链接：

https://futuresearch.ai/blog/litellm-pypi-supply-chain-attack/

https://x.com/karpathy/status/2036487306585268612

【活动分享】"48 小时，与 50+ 位大厂技术决策者，共探 AI 落地真路径。"

由 CSDN&奇点智能研究院联合举办的「全球机器学习技术大会」正式升级为「奇点智能技术大会」。

2026 奇点智能技术大会将于 4 月 17-18 日在上海环球港凯悦酒店正式召开，大会聚焦大模型技术演进、智能体系统工程、OpenClaw 生态实践及 AI 行业落地等十二大专题板块，特邀来自BAT、京东、微软、小红书、美团等头部企业的 50+ 位技术决策者分享实战案例。旨在帮助技术管理者与一线 AI 落地人员规避选型风险、降低试错成本、获取可复用的工程方法论，真正实现 AI 技术的规模化落地与商业价值转化。

这不仅是一场技术的盛宴，更是决策者把握 2026 AI 拐点的战略机会。