El 70% de los paquetes NPM registrados recientemente durante los últimos 6 meses eran spam

El problema masivo de paquetes spam en npm

• El equipo de investigación de Phylum descubrió un fuerte aumento de paquetes spam relacionados con el protocolo Tea en npm
• El protocolo Tea es un sistema que recompensa con criptomonedas las contribuciones al código abierto, lo que incentiva a los desarrolladores a exagerar sus aportes
• Se estima que alrededor del 25% de los paquetes publicados en npm durante el segundo trimestre de 2024 eran paquetes spam relacionados con el protocolo Tea

Resumen breve

• El protocolo Tea usa un algoritmo que incentiva a los desarrolladores a exagerar sus contribuciones
• npm está sufriendo una contaminación grave por estos paquetes spam
• Las características de los paquetes spam incluyen nombres de paquete generados aleatoriamente, listas de dependencias sospechosas y el archivo tea.yaml

Una nueva perspectiva

• Desde inicios de 2024, la cantidad de paquetes publicados en npm se disparó
• El 8 de abril de 2024 se publicaron más de 48,000 paquetes en un solo día
• Se estima que entre el 21.25% y el 25.5% de los paquetes npm publicados durante Q2 eran spam
• Si se limita el análisis a paquetes nuevos, la proporción de spam aumenta de 68.66% a 74.67%

¿Hay una amenaza?

• Hasta ahora no hay evidencia de que estos paquetes spam incluyan ataques maliciosos
• Sin embargo, este spam contamina el ecosistema de código abierto y puede distorsionar los datos de entrenamiento de modelos de IA
• Además, crea un entorno donde los paquetes realmente maliciosos pueden ocultarse

Pensar desde la perspectiva del adversario

• Tomando como ejemplo el paquete sournoise, el sitio web de npm muestra que este paquete depende de axios, pero en realidad depende de paquetes spam
• Esto es un efecto secundario de la forma en que npm procesa las dependencias y las muestra a los usuarios
• Debido a las dependencias transitivas, pueden incluirse paquetes que el desarrollador no quería o no esperaba

Conclusión

• La contaminación del ecosistema de software de código abierto es un problema para todos
• El proyecto del protocolo Tea está tomando medidas para resolver este problema
• npm también está eliminando algunos paquetes spam, pero no logra seguir el ritmo de nuevas publicaciones
• Este problema no se limita a npm; también se encontraron paquetes spam similares en Rubygems
• Phylum está investigando activamente esta área y buscará nuevas formas de detectar este spam a medida que estos actores adapten sus tácticas

Resumen de GN⁺

• El sistema de recompensas del protocolo Tea incentiva a los desarrolladores a exagerar sus contribuciones
• La intención del proyecto para la sostenibilidad del código abierto quizá era buena, pero parece que pasó por alto sus efectos secundarios y casos de abuso. Hace falta un diseño cuidadoso y monitoreo continuo del sistema de medición de contribuciones y de recompensas
• Esta avalancha masiva de paquetes spam puede ir más allá del problema de seguridad de paquetes individuales y amenazar la confiabilidad y la salud de todo el ecosistema de código abierto. Para una solución de fondo, parece necesario un enfoque y colaboración a nivel de ecosistema
• Es especialmente preocupante que puedan surgir problemas de sesgo si esto se usa como datos de entrenamiento para modelos de IA. Urge establecer lineamientos para el control y la validación de la calidad de los datos
• La posibilidad de instalar paquetes inesperados a través de dependencias transitivas es suficiente para alertar a los desarrolladores. Esto sugiere que, además de herramientas automatizadas de gestión de dependencias, la atención y revisión del desarrollador siguen siendo importantes al elegir paquetes
• A largo plazo, parece necesario explorar alternativas más transparentes y verificables, como registros de paquetes o sistemas de reputación basados en blockchain

[GN⁺]

Opinión de Hacker News

• La forma en que npm maneja las dependencias de paquetes es el problema

  • Si package.json solo tiene la clave, se considera una dependencia sin importar el paquete real
  • Esto vuelve más vulnerable al ecosistema de dependencias

• Es necesario eliminar todos los paquetes que usan tea.yaml

  • El protocolo Tea está induciendo comportamientos maliciosos
  • Está dañando el sistema

• Las cuentas de spam deben bloquearse y eliminarse de forma permanente

  • Por ejemplo, hay una cuenta con 1781 paquetes sin sentido
  • El proceso de reporte es complicado y engorroso

• Es posible que los modelos de IA se distorsionen por culpa de los paquetes spam

  • Se aplica el principio de "garbage in, garbage out"

• El modelo de incentivos del protocolo Tea es el problema

  • Incentiva a los desarrolladores a subir spam a npm
  • Daña el ecosistema

• Resumen:

  • Un plan de financiamiento para desarrollo OSS basado en criptomonedas está incentivando el spam
  • Es fácil engañar sobre dependencias mediante package.json

• El objetivo del protocolo Tea es fortalecer la economía del software de código abierto

  • Sin embargo, su modelo de incentivos está mal diseñado y fomenta el spam
  • Se aplican el "efecto cobra" y la "ley de Goodhart"

• Hay casos de proyectos populares copiados y publicados en npm con nombres aleatorios en latín

  • Se han enviado cientos de reportes de spam

• Hubo un proyecto similar a Tea

  • Se recibía una pequeña cantidad de bitcoin cada mes hasta que el proyecto fracasó y se quedó sin fondos

• Los administradores de paquetes tienen un sistema de calificaciones

  • Es poco probable que los paquetes spam afecten a la IA
  • Las empresas confiables no usan paquetes spam