该论文针对 Node.js/NPM 生态中恶意包泛滥、软件供应链攻击频发的问题，提出了一套名为 DistillGuard 的轻量级恶意 NPM 包检测框架。作者指出，恶意代码主要在包安装、导入（import）和运行时三个阶段被触发，而现有防御手段各有短板：传统静态分析无法理解代码语义，容易漏报语义化混淆或逻辑型后门；基于机器学习的方法依赖人工特征工程，面对攻击者不断演化的手法会出现概念漂移，模型效果随时间衰减；直接调用大语言模型（LLM）的方案虽然语义理解能力强，但存在调用成本高、需将源码/内部数据外传带来的数据安全与合规风险，且实际检测性能并不理想。 DistillGuard 的核心思路是把静态图语义分析与 LLM 知识蒸馏结合起来。流程上分为三步：第一，通过三个静态分析模块从包中提取多粒度特征（如代码结构、依赖关系、调用图等层面的信息），为后续判断提供语义化输入；第二，借助在线 LLM 对样本进行安全知识蒸馏，生成高质量的安全知识与结构化标签，相当于用大模型充当“标注与知识提炼教师”；第三，使用 LoRA 对开源 Qwen3-8B 模型进行高效微调，使蒸馏得到的能力落到本地可离线部署的小体量模型上，从而规避在线调用成本与数据外泄风险。 实验结果显示，DistillGuard 达到 95.3% 的准确率、99.4% 的精确率和 93.8% 的 F1 值，优于当前最先进的工具，相较基线在 F1 上提升 11.1 至 30.0 个百分点。论文的实证研究还刻画了恶意攻击所处的不同阶段以及恶意行为的分布情况，并归纳出八类典型的 API 攻击链，为 NPM 供应链安全防御提供了可操作的参考。适合从事软件供应链安全、包仓库治理、恶意代码检测与 LLM 安全应用的读者阅读。

该论文聚焦于基于大语言模型的恶意 npm 包检测中的一个关键盲区:LLM 的上下文窗口有限,而攻击者可以利用 JavaScript 混淆制造极高的 token 密度,或把恶意代码与良性代码打包(bundling)在一起,使文件体积膨胀、超出可分析范围。检测器因此在实践中会直接跳过超大文件,或虽读取却无法理解其中的恶意逻辑,造成漏报——这构成一条可被攻击者主动利用的规避面(论文提及近期 Shai-Hulud 供应链攻击中,LLM 恶意包检测已体现实战价值)。 针对该问题,作者提出 CASHEWS,一个置于检测器之前的 JavaScript 源代码预处理器。其核心思路是不将原始文件直接送入 LLM,而是先重写为只保留与判定恶意意图相关、且不易误导模型的紧凑表示。具体包含四个环节:(1) 通过迭代解码对混淆代码进行反混淆;(2) 抽取被打包的模块以及运行时动态执行的代码,让被隐藏的代码重新进入分析视野;(3) 识别危险操作/污点汇聚点(sink),并计算能够到达这些 sink 的后向切片,从而仅保留与潜在恶意行为相关的语句;(4) 对超长字面量与标识符进行缩写,进一步压缩 token 规模。 实验覆盖 512 个大体积包文件、两种扫描器类型与三个 LLM。结果显示,CASHEWS 将分析覆盖率从 69.1–85.7% 提升至 98.8–100%,漏报率最多降低 18.6 个百分点;预处理耗时中位数为 30 秒,并使整体分析成本净下降 34.6%。这意味着在同等甚至更低的分析成本下可以使用更强的模型进行检测,使注册表级别的全量 LLM 恶意包分析更具可行性。该工作适合 LLM 安全应用研究者、软件供应链检测方向的研究者与工程实践者阅读。

该论文针对开源软件供应链中恶意PyPI包的检测问题展开研究。现有方法主要依赖规则或传统机器学习，存在可解释性差、难以应对新型攻击等缺陷。为此，作者提出一种名为PYPILINE的新型检测方法，该方法将可疑API知识库与Agent工作流相结合。首先，PYPILINE对已知恶意包进行静态分析，提取抽象语法树并生成API调用图，从中自动提取并构建结构化的可疑API知识库。在检测阶段，利用该知识库增强推理能力，通过Agent工作流对未知包进行深度语义分析，并输出结构化、可解释的恶意性评估报告。实验结果表明，PYPILINE在精度（96.7%）、召回率（99.6%）和F1分数（98.1%）上显著优于现有最先进工具，精度比基线工具高出5.7至24.2个百分点。此外，论文还对恶意包进行了实证研究，系统揭示了常见的攻击策略以及最常被滥用的API。PYPILINE配备了支持工具调用的AI Agent工作流，用于自动向量数据库检索可疑API知识，并通过邮件服务器发送分析报告，提供了一种实用、高效、便捷的恶意包检测解决方案，以增强开源生态系统的安全性。该研究适合安全工程师、软件供应链安全研究人员以及PyPI生态维护者阅读。