0817团队 2025-03-28 10:17 北京
DataCon2024软件供应链安全赛道亚军的开源分享。
该资源是来自武汉大学0817团队，DataCon 2024软件供应链安全赛道亚军（一等奖）的开源分享，该团队构建了一个针对npm软件包的恶意包检测方法及系统——MalNPMDetector。极其适合开发者、研究者、学生学习和应用。快来 Gitee 点个 Star ⭐，Fork 🍴并 Watch👀， 试试吧！希望对大家有所帮助。
MalNPMDetector是一个针对npm软件包的恶意包检测方法及系统，包括如下步骤：
其开源地址如下：
文章目录：
🔥软件供应链的安全风险分析
🔥MalNPMDetector
💡 如何参与？
🎯让我们一起推动软件供应链安全项目的开源发展！
🔥软件供应链的安全风险分析
随着软件供应链复杂性的增加，开源软件包 已成为现代软件开发的核心组成部分。然而，这一趋势也带来了 新的安全挑战，特别是 攻击者在开源软件源中投放恶意软件包，对开发者及其使用的系统构成潜在威胁。常见的NPM恶意软件包大致可以分为六类：
- 信息窃取
🔥MalNPMDetector
👉 MalNPMDetector结合静态 + 动态 + AI 辅助分析，实现高效、精准的恶意软件包检测，并具备 自学习与持续优化能力，增强软件供应链安全防护。其工作流程图可以如下图所示：
⭐ 其先进性在于：
（1）基于静态规则匹配的高效预筛选机制
构建大规模 恶意软件包特征库，结合 模式匹配、语法解析与启发式分析，在海量样本中 精准筛选疑似恶意包及代码混淆样本。采用 多层级匹配策略（关键字规则、代码模式、异常依赖链分析）降低误报率，为后续深度分析奠定基础。
（2）基于高级污点分析的恶意代码路径追踪
提出了一种基于字符串字面值的污点分析方法，并结合 Semgrep 进行更精准的检测。例如，我们仅在关键敏感字符串（如 bash -i、cat、curl 等）经过污点传播并最终进入系统执行函数时，才会报告恶意行为。
（3）基于 AI 的大规模恶意软件包自动化分类与持续学习
利用 ChatGPT 进行上下文感知的恶意性推理，实现恶意代码逻辑的深度解析与分类。
💡 如何参与？
MalNPMDetector是一个 开源项目，我们欢迎所有对软件供应链安全感兴趣的开发者参与贡献：
并且拥有详细的源码分析：
🎯让我们一起推动软件供应链安全项目的开源发展！
如果你正在从事安全开发、软件供应链安全研究，那么MalNPMDetector绝对值得你的关注！现在就Star ⭐ + Fork 🍴，加入我们，一起构建更安全的数字世界！🔥 期待您的加入！
最后，分享不易，赶快前往 GitHub，尤其从事恶意代码分析和参与DataCon的同学，体验这一NPM恶意软件包检测的解决方案吧！
