Stilisierter Datenstrom aus einem Terminal-Fenster mit npm-Paketstruktur und rotem Warnsignal auf dunklem Hintergrund
Technik Veröffentlicht: Aktualisiert:

npm-Paket stiehlt Claude-AI-Nutzerdaten via GitHub

Ein bösartiges npm-Paket exfiltrierte Dateien aus dem Claude-AI-Nutzerverzeichnis direkt über GitHub – ein Lehrstück zur Supply-Chain-Gefährdung in KI-Entwicklungsumgebungen.

Was konkret passiert ist

Sicherheitsforscher von OX Security entdeckten im npm-Registry das Paket mouse5212-super-formatter mit verdeckten Infostealer-Funktionen. Das Paket war darauf ausgelegt, Dateien aus dem Verzeichnis /mnt/user-data zu exfiltrieren — einem dedizierten Speicherpfad, den Anthropic für Claude-AI-Nutzerinstallationen verwendet. Die gestohlenen Daten wurden über GitHub-basierte Infrastruktur abgeführt, was den Einsatz legitimer, weitgehend ungefilterter Netzwerkpfade ermöglichte. Eine CVE-Nummer oder ein CVSS-Score liegen laut aktueller Berichtslage nicht vor; das Paket wurde nach der Entdeckung gemeldet und aus dem Registry entfernt. Betroffene Versionen sind laut OX Security alle publizierten Releases von mouse5212-super-formatter.

Der Angriff folgt einem bekannten Muster: Ein harmlos klingendes Hilfspaket (hier: ein Formatter) wird mit nachgelagerter Schadfunktion im Installationslebenszyklus platziert. Das Schadenspotenzial entfaltet sich nicht durch eine Sicherheitslücke im Zielsystem, sondern durch das blinde Vertrauen in den npm-Ökosystem-Stack.

Warum das weit über KI-Entwickler hinausgeht

Der Vorfall betrifft zunächst alle Entwicklungsumgebungen, in denen npm-Pakete ohne systematische Vorprüfung eingebunden werden — das ist die Mehrheit aller Node.js-basierten Projekte weltweit. Zwei Beispiele außerhalb des Bankensektors verdeutlichen die Breite:

E-Commerce und Webentwicklung: Agenturen und Online-Händler, die Formatting- oder Utility-Pakete aus npm in Build-Pipelines einbinden, sind exponiert. Ein kompromittiertes Paket kann dort API-Keys, Kundendaten oder Session-Tokens aus dem Arbeitsverzeichnis abgreifen — ohne jede Interaktion des Nutzers.

Bildung und Forschungseinrichtungen: Hochschulen und Forschungsinstitute, die KI-Tools wie Claude über lokale Installationen oder Jupyter-ähnliche Umgebungen nutzen, speichern dort häufig Forschungsdaten, Zugangsdaten zu Datenbankservern und interne API-Tokens. Der Diebstahl solcher Daten kann Forschungsergebnisse kompromittieren oder als Einstiegspunkt für größere Infrastrukturangriffe dienen.

Das operative Risiko ist in beiden Fällen identisch: Der Angreifer benötigt keinen privilegierten Zugang — er wartet, bis das Paket im normalen Entwicklungs- oder Deployment-Prozess installiert wird.

Regulatorische Einordnung

Für Finanzinstitute unter DORA (Art. 28–30) ist die Nutzung von Open-Source-Paketen ohne dokumentiertes Risikobewertungsverfahren ein Third-Party-Risiko im Sinne des IKT-Drittparteienrisikos. Das gilt auch dann, wenn kein direkter Vertrag mit dem Paketautor besteht — der regulatorische Fokus liegt auf der tatsächlichen Abhängigkeit, nicht auf der Vertragsform. Institutes müssen nachweisen können, dass Abhängigkeiten vor Einsatz bewertet wurden.

Unter MaRisk AT 7.2 und BAIT (Informationsrisikomanagement) sind Prozesse gefordert, die sicherstellen, dass eingesetzte Komponenten in der Softwareentwicklung und im Betrieb bekannt, inventarisiert und auf Schwachstellen geprüft sind — inklusive transitiver Abhängigkeiten in Bibliotheken.

Unabhängig vom Sektor: Ein Datenverlust aus dem KI-Nutzerverzeichnis kann personenbezogene Daten enthalten und löst dann DSGVO Art. 33 (72-Stunden-Meldepflicht) aus, sofern das Verzeichnis Konversationsdaten mit Personenbezug enthielt.

Handlungsempfehlungen

Für jeden Betreiber und Entwickler:

  1. Sofort (innerhalb 24h): Prüfen Sie alle aktuellen Projekte auf das Paket mouse5212-super-formatter — über npm list --all oder automatisiert via Socket.dev oder Snyk. Beide Tools analysieren npm-Abhängigkeiten auf bekannte Schadpakete und verdächtige Verhaltensweisen wie Netzwerkzugriffe bei der Installation.
  2. Innerhalb 72h: Aktivieren Sie in Ihrer CI/CD-Pipeline eine Software-Composition-Analysis (SCA). Tools wie Dependabot (GitHub-nativ), OWASP Dependency-Check oder Trivy ermöglichen automatisierte Prüfung bei jedem Build. Konfigurieren Sie Blockierungs-Policies für Pakete ohne hinreichende Download-Historie oder Maintainer-Verifikation.
  3. Innerhalb 14 Tage: Richten Sie eine interne Paket-Registry (z. B. Verdaccio oder JFrog Artifactory) als Proxy ein. So wird der direkte Pull aus dem öffentlichen npm-Registry unterbunden; Pakete werden nur nach interner Freigabe bereitgestellt. Ergänzen Sie dies durch Netzwerksegmentierung, die ausgehende Verbindungen von Build-Systemen zu GitHub oder unbekannten Endpunkten einschränkt — detektierbar über EDR-Lösungen wie CrowdStrike Falcon oder SentinelOne mit Netzwerk-Telemetrie.

Zusätzlich für regulierte Branchen:

  1. Dokumentieren Sie den Vorfall gemäß DORA Art. 17 als potenziellen IKT-Sicherheitsvorfall und bewerten Sie, ob eine Meldepflicht gegenüber der zuständigen Aufsichtsbehörde ausgelöst wird — Kriterium ist unter anderem, ob produktive Systeme mit Kundendaten betroffen sein könnten. Ergänzen Sie Ihr Third-Party-Risk-Register (DORA Art. 28) um eine Kategorie für Open-Source-Abhängigkeiten mit Bewertungsschema.
  2. Leiten Sie aus dem Vorfall eine BAIT-konforme Überprüfung des IDV-Rahmens (individuelle Datenverarbeitung) ab: KI-Tools wie Claude, die in Entwicklungs- oder Fachabteilungen genutzt werden, sind häufig nicht im formellen Auslagerungsinventar erfasst, obwohl sie IKT-Risiken im Sinne von MaRisk AT 9 erzeugen können.

Was wir kritisch sehen

Die Berichterstattung zu Supply-Chain-Angriffen konzentriert sich regelmäßig auf die Entdeckungsleistung der Sicherheitsforscher — und übersieht dabei strukturell, dass npm als Registry keine verbindliche Verhaltensanalyse vor der Paketpublikation erzwingt. Die Abwehrempfehlung „nutzen Sie SCA-Tools" ist korrekt, aber unvollständig: SCA-Tools erkennen bekannte Schadpakete; ein neu hochgeladenes, unbekanntes Paket mit Exfiltrationsfunktion passiert diese Kontrolle ungehindert, solange es nicht bereits gemeldet wurde. Der eigentliche Blinde Fleck liegt in der fehlenden Laufzeitüberwachung von npm-Skripten — postinstall-Hooks, die Netzwerkverbindungen aufbauen, werden in den meisten Pipelines nicht gesondert alarmiert. Wer das ernst nimmt, muss auf Ebene des Build-Agents Syscall-Monitoring einrichten, nicht nur auf Paket-Metadaten vertrauen.

Häufige Fragen

Wie erkenne ich als Entwickler, ob ein npm-Paket schadhaften Code enthält, bevor ich es installiere?

Prüfen Sie vor der Installation Paket-Metadaten: geringe Download-Zahlen, ein einzelner unbekannter Maintainer ohne Verifikation und fehlende GitHub-Aktivität sind Warnsignale. Tools wie Socket.dev analysieren npm-Pakete statisch auf verdächtige Muster wie Netzwerkzugriffe in Installationsskripten und zeigen diese vor der Installation an. Ergänzend empfiehlt sich die Ausführung in einer isolierten Sandbox-Umgebung bei unbekannten Paketen.

Muss ich als KMU ohne Compliance-Pflicht wirklich eine interne Paket-Registry betreiben?

Eine vollständige interne Registry ist für kleine Teams mit begrenzten Ressourcen oft unverhältnismäßig. Der pragmatische Einstieg: Aktivieren Sie Dependabot oder Snyk auf Repository-Ebene — das ist kostenlos für Open-Source-Projekte und erfordert keinen eigenen Infrastrukturaufwand. Wichtiger als die Registry ist das Netzwerk-Monitoring auf dem Build-System: Ausgehende Verbindungen zu unbekannten Endpunkten während eines npm-Installs sollten alarmieren. Das lässt sich auch mit einfachen Mitteln wie einer Firewall-Policy für CI/CD-Agenten erreichen.

Welche DORA-Anforderung wird durch den Einsatz von npm-Paketen in Bankprojekten konkret ausgelöst?

DORA Art. 28 Abs. 2 verlangt, dass Finanzinstitute alle IKT-Drittparteienrisiken identifizieren und bewerten — unabhängig davon, ob ein Vertrag besteht. Open-Source-Pakete aus npm fallen unter diesen Begriff, sobald sie in produktiven oder produktionsnahen Systemen eingesetzt werden. Ergänzend fordert Art. 8 ein dokumentiertes IKT-Risikomanagementverfahren, das Schwachstellen in der Softwarelieferkette adressiert. Institute sollten prüfen, ob ihr bestehendes Third-Party-Risk-Register diese Kategorie bereits erfasst — in der Praxis fehlt das häufig.

ctsd Redaktion — Die Insights der ctsd GmbH bieten Einordnungen und Handlungsempfehlungen zu aktuellen Themen aus IT-Sicherheit, KI und Regulatorik. Sitz: Tettnang am Bodensee. Mehr über uns →

Benötigen Sie Unterstützung?

Wir helfen Ihnen bei der Einordnung und Umsetzung — von der Analyse bis zur Lösung.

Gespräch vereinbaren