AI编程助手在企业网络中悄然安装无主代码，安全隐患引发警惕

安全研究人员在对多家企业的内部技术文档和代码仓库进行审计时，发现了一个令人担忧的规律：由Claude、Codex和Hermes等AI助手生成的安装指令中，有227条指向了实际上无人认领的软件包。这些包或从未在主流包管理平台上注册，或曾经存在但已被删除，处于「无主」状态，极易成为供应链攻击的切入点。

这一问题的根源在于大型语言模型的「幻觉」特性。AI模型在生成代码或技术建议时，并不会实时验证所引用软件包的真实存在性，而是基于训练数据中的模式进行推断，有时会自信地给出根本不存在的包名。开发者若不加甄别地执行这些命令，便可能在企业环境中引入未经验证的外部代码。

更为严峻的是，这种漏洞为「抢注攻击」提供了温床。恶意行为者只需监控AI工具频繁生成的幻觉包名，抢先在npm、PyPI等平台注册同名包并植入恶意代码，便可坐等粗心的开发者将其安装至生产环境。由于包名与AI建议高度吻合，开发者往往难以察觉异常，攻击成功率相当高。

此次事件并非孤例。此前已有研究表明，AI编程工具存在系统性的包幻觉问题，但本次调查首次在真实企业网络环境中记录了大规模的实际安装行为，将理论风险转化为有据可查的安全事件。这意味着问题已不再停留于实验室层面，而是正在企业日常开发流程中悄然发生。

面对这一威胁，安全专家建议企业从多个层面加强防护：在开发流程中引入软件包真实性验证工具，对AI生成的依赖项进行强制人工审查，并在CI/CD流水线中集成供应链安全扫描。与此同时，AI工具开发商也应在模型层面加强对包引用的准确性约束，或在生成安装命令时主动提示用户进行核实，从源头降低幻觉依赖带来的风险。

要点

• Claude、Codex、Hermes等AI助手在企业文档中生成了227条指向无主代码包的安装命令，已在真实企业网络中造成安全隐患。
• AI模型的「幻觉」特性导致其会自信地引用并不存在的软件包，开发者若直接执行相关命令，可能引入未经验证的外部代码。
• 攻击者可通过抢注AI频繁幻觉出的包名并植入恶意代码，实施供应链攻击，且手法隐蔽、成功率较高。
• 企业应在开发流程中强制对AI生成的依赖项进行真实性验证，并在CI/CD环节集成供应链安全扫描工具。
• AI工具开发商需在模型层面改进包引用准确性，或增加主动提示机制，从源头降低幻觉依赖风险。