开发者Feross：AI正在放大软件供应链攻击的攻击面与后遗症
开源开发者Feross Aboukhadijeh发文指出，AI正以两种方式推高软件供应链风险：一是代码产出量提升约1.5–2倍，大量开发者在“凭感觉写代码”，不审查代理自动安装的依赖，每个未审查依赖都成了新的攻击面。二是攻击者已开始系统利用这一行为模式，过去一年出现首个NPM蠕虫，近期针对Trivy和LiteLLM的TeamPCP攻击窃取了大量凭证，多数团队尚未完成轮换。
他认为，开发者在AI出现前本就不擅长审查依赖，而AI的普及则在规模化复制这种“无审查依赖引入”模式，使攻击者最擅长利用的行为被批量放大。对于近期的供应链入侵，行业可能需要6–12个月来处理这些被窃凭证带来的长尾入侵风险。
来源：公开信息
ABAB AI 解读
Feross的判断把AI安全风险从“模型本身是否安全”拉回到软件工业的老问题：依赖地狱与供应链攻击。区别在于，以前这是少数团队的工程卫生问题，如今在AI代理与自动补全的推动下，变成了加速扩散的结构性行为模式——代码产量上升，审核能力却没有同步扩容，导致“攻击面增速远大于防御能力增速”。
从产业结构看，AI实际在重塑开发者分层：一端是少数具备安全意识、能审查依赖与工具链的人，另一端是被AI工具拉入编码世界、但对依赖风险缺乏直觉的大量“新开发者”。攻击者瞄准的，正是后者聚集的平台生态与包管理系统，用一次供应链入侵换取最多的“自动分发”。这使得NPM、PyPI等公共基础设施的安全性，正在从“社区治理问题”变成“系统性网络风险”。
更长周期看，这一趋势指向的是AI时代的软件安全范式转移：过去安全团队围绕边界防御与代码审计，如今则不得不接受“AI会持续制造不安全默认值”的现实。真正的约束机制，可能要从工具链层面重写——例如默认强制依赖信誉评分、签名验证、最小权限策略，以及对“代理自动安装依赖”的系统级限制。换句话说，AI放大了旧风险，但也逼迫整个技术栈在安全模型上进行一次制度化升级。