Une fuite concernant Claude Code d’Anthropic a attiré l’attention des communautés de la cybersécurité et des développeurs, révélant des composants internes de l’agent de programmation IA et introduisant des risques potentiels pour les organisations. attiré l’attention des communautés de la cybersécurité et des développeurs, révélant des composants internes de l’agent de programmation IA et introduisant des risques potentiels pour les organisations.
« L’importance de cette fuite réside dans ce que le code révèle de l’architecture des agents IA. La fuite a exposé environ 512 000 lignes de TypeScript réparties sur quelque 1 900 fichiers sources », a déclaré Jacob Krell, Senior Director of Secure AI Solutions & Cybersecurity chez Suzu Labs, dans un e-mail adressé à eSecurityPlanet.
« Le risque le plus profond ne réside pas dans ce qui a été exposé, mais dans ce que cela rend possible. Lorsque les composants internes d’un agent de programmation IA sont publics, les attaquants peuvent étudier la manière dont ces agents interprètent le contexte, suivent les instructions et prennent des décisions », a déclaré Vishal Agarwal, CTO d’Averlon, dans un e-mail adressé à eSecurityPlanet.
Michael Bell, Founder & CEO de Suzu Labs, a ajouté : « Le point le plus important pour les secteurs gouvernemental et de la défense est le suivant : la télémétrie par défaut collecte les identifiants des appareils, les données de session, l’adresse e-mail, l’UUID de l’organisation et les informations sur l’arborescence des processus au démarrage, avant même que l’utilisateur ne saisisse quoi que ce soit. »
La fuite du code source de Claude Code
L’incident trouve son origine dans une erreur de configuration du packaging de la version npm de Claude Code publiée par Anthropic, son agent de programmation IA fonctionnant dans un terminal.
Lors du processus de compilation, un fichier volumineux de source map JavaScript a été inclus par inadvertance, exposant plus de 500 000 lignes du code TypeScript sous-jacent.
Ce fichier contenait des détails sensibles sur l’implémentation, notamment la logique d’orchestration, la gestion des autorisations et les API internes.
Comme la source map renvoyait vers une archive complète du code original hébergée dans le cloud, toute personne ayant accédé au package pouvait récupérer l’intégralité de la base de code.
Cause racine : défaillance de la supervision du packaging et de la compilation
À la base, le problème a été causé par l’absence d’exclusion correcte des fichiers de source map lors du packaging.
L’environnement d’exécution utilisé par Anthropic générait automatiquement la map et, en l’absence de règles d’exclusion explicites, celle-ci a été intégrée à la version publique.
Cette négligence apparemment mineure a eu des conséquences disproportionnées, transformant de fait une mise à jour logicielle standard en un incident d’exposition de code source à grande échelle.
Propagation rapide et perte de contrôle
Une fois la fuite identifiée publiquement, le code s’est propagé rapidement. En quelques heures, il a été répliqué sur GitHub et d’autres plateformes, accumulant des milliers de forks et de téléchargements.
Cette redistribution rapide a rendu le confinement pratiquement impossible et a permis aux chercheurs en sécurité comme aux acteurs malveillants d’accéder simultanément aux mêmes informations internes.
Risques de sécurité pour les organisations
Cette exposition a des implications pour les organisations qui utilisent ou évaluent des outils de développement assisté par l’IA.
Au-delà de la perte de propriété intellectuelle, la fuite offre aux attaquants une visibilité détaillée sur le fonctionnement de Claude Code, notamment ses flux d’exécution, ses modèles d’autorisation et ses points d’intégration.
Ce niveau de transparence réduit les obstacles à l’identification des faiblesses, au développement d’exploits ciblés et à la conception de configurations malveillantes susceptibles d’exploiter des workflows de confiance.
Les acteurs malveillants n’ont pas tardé à tirer parti de la situation.
Les chercheurs de Zscaler ont observé des dépôts GitHub malveillants se faisant passer pour « Claude Code leaked », conçus pour attirer les développeurs à la recherche du projet exposé.
Ces dépôts distribuaient des malwares tels que Vidar, un cheval de Troie voleur d’informations, et GhostSocks, un outil utilisé pour relayer le trafic réseau.
En exploitant l’ingénierie sociale et l’intérêt accru suscité par la fuite, les attaquants ont accru la probabilité que les développeurs téléchargent et exécutent des fichiers compromis.
Plus largement, l’incident montre à quelle vitesse une fuite de code peut se transformer en risque de sécurité pour la chaîne d’approvisionnement.
Comment réduire les risques liés à la chaîne d’approvisionnement
Les organisations doivent adopter une approche à plusieurs niveaux et proactive pour réduire les risques associés aux fuites de code et aux éventuelles attaques contre la chaîne d’approvisionnement.
- Éviter le code non fiable en utilisant uniquement des sources vérifiées et en appliquant des politiques de confiance des dépôts pour les dépendances approuvées.
- Renforcer la sécurité des dépendances grâce au verrouillage des versions, aux contrôles d’intégrité et à l’utilisation de dépôts privés d’artefacts.
- Surveiller les points de terminaison et les réseaux à la recherche de comportements anormaux, notamment un trafic sortant inhabituel, une activité DNS ou des processus non autorisés.
- Analyser régulièrement les environnements de développement à l’aide d’outils DevSecOps afin de détecter les codes malveillants, les packages altérés ou les configurations suspectes avant leur exécution.
- Restreindre l’exécution des agents IA et du code non fiable en utilisant des environnements en bac à sable, isolés ou éphémères, dotés de privilèges limités.
- Renforcer la sécurité des postes de travail des développeurs en supprimant les droits d’administrateur local, en appliquant une liste blanche des applications et en sécurisant les secrets grâce à une gestion et une rotation centralisées.
- Adopter les principes du zero trust et tester les plans de réponse aux incidents pour les compromissions de la chaîne d’approvisionnement et les scénarios de risques liés aux tiers.
Collectivement, ces mesures aident les organisations à limiter l’ampleur des compromissions potentielles tout en renforçant leur résilience face aux menaces visant la chaîne d’approvisionnement et aux menaces liées à l’IA.
Les outils d’IA deviennent des cibles pour la chaîne d’approvisionnement
La fuite de Claude Code illustre une tendance plus large : les outils d’IA deviennent des cibles de plus en plus attrayantes au sein de la chaîne d’approvisionnement logicielle.
À mesure que ces systèmes s’intègrent davantage aux environnements de développement et aux workflows de production, même de petites erreurs de configuration peuvent introduire des risques de sécurité significatifs.
Le fait que cet incident survienne parallèlement à des menaces actives visant la chaîne d’approvisionnement montre comment plusieurs facteurs de risque peuvent se superposer dans les environnements de développement modernes.
À mesure que l’adoption de l’IA dans le développement continue de progresser, les organisations doivent donner la priorité à de solides pratiques de sécurité en matière de packaging, de distribution et de gestion des dépendances afin de réduire leur exposition potentielle.
Pour mieux comprendre comment répondre à ces risques, il est important d’examiner les enjeux plus larges et les bonnes pratiques associés à la sécurité de la chaîne d’approvisionnement logicielle.