ConfuGuard：利用元数据准确检测主动型和隐蔽型软件包混淆攻击
计算与语言
2025-03-03 v1 计算机与社会
摘要
软件包混淆攻击，如拼写错误投机（typosquatting），威胁着软件供应链。攻击者会创建名称与正规软件包相似的软件包，骗取工程师安装恶意软件。尽管先前工作在某些软件包注册表（例如 NPM、PyPI、RubyGems）中开发了针对软件包混淆的防御措施，但仍存在高误报率、对更多软件包生态系统的泛化能力，以及来自真实部署的洞察不足等问题。本文引入 ConfuGuard，一种先进的软件包混淆威胁检测器。我们首先present了从先前软件包混淆数据中派生的良性信号的首次实证分析，揭示了其威胁模式、工程实践和可衡量属性。先进地扩展现有检测器，我们利用软件包元数据来区分良性软件包，并将支持范围从三个扩展到七个软件包注册表。我们的方法显著降低了误报率（从 80% 降至 28%），但需额外 14 秒平均延迟以分析软件包元数据以过滤掉良性软件包。ConfuGuard 已在我们行业合作伙伴的生产环境中使用，合作伙伴的分析师已经确认了 630 起被 ConfuGuard 检测到的真实攻击。
关键词
引用
@article{arxiv.2502.20527,
title = {Supervised Fine-Tuning LLMs to Behave as Pedagogical Agents in Programming Education},
author = {Emily Ross and Yuval Kansal and Jake Renzella and Alexandra Vassar and Andrew Taylor},
journal= {arXiv preprint arXiv:2502.20527},
year = {2025}
}