随着生成式AI编程工具的幻觉普及 ，以及AI模型容易"幻觉"出不存在软件包的代码特性，一种名为"垃圾包抢注"（slopsquatting）的依赖新型供应链攻击正在浮现 。 安全研究员Seth Larson创造了这个术语，新型胁它衍生于"拼写错误抢注"（typosquatting）攻击手法——通过注册与热门库名称相似的软件恶意软件包来诱骗开发者安装 。
与拼写错误抢注不同 ，垃圾包抢注不依赖拼写错误 。幻觉攻击者会在PyPI和npm等软件仓库中 ，亿华云代码注册那些AI模型在代码示例中经常虚构的依赖包名。 2025年3月发布的新型胁研究论文显示 ，在分析的软件57.6万个Python和JavaScript代码样本中 ，约20%案例推荐的链威依赖包并不存在 。开源大模型如CodeLlama 、幻觉DeepSeek、代码WizardCoder和Mistral的依赖情况更严重 ，高防服务器而ChatGPT-4等商业工具的幻觉率仍达5% 。
各大型语言模型的幻觉率来源 ：arxiv.org 幻觉包名的可预测性研究发现 ，虽然记录的独特幻觉包名超过20万个 ，但其中43%会在相似提示词下重复出现 ，58%在十次运行中至少重复一次 。这些包名中，38%受真实包名启发 ，13%源于拼写错误，云计算51%则完全虚构 。 尽管尚未发现攻击者利用此漏洞的实际案例，但网络安全公司Socket的研究人员警告称 ，这些幻觉包名具有常见性 、可重复性和语义合理性 ，形成了可预测的攻击面 。 "58%的幻觉包会重复出现，说明它们不是服务器租用随机噪声，而是模型对特定提示的可重复反应 。"Socket团队解释道 ，"这种可重复性提升了攻击价值 ，观察少量模型输出就能锁定有效攻击目标 。"
供应链风险概览来源：arxiv.org 风险缓解措施目前唯一有效的防范方法是人工验证每个包名 ，切勿假设AI生成的代码片段中提到的源码库依赖包真实存在或安全可靠 。其他防护措施包括： 使用依赖扫描工具锁定文件（lockfiles）管理哈希验证确保使用可信版本研究还表明 ，降低AI的"温度"参数（减少随机性）能有效减少幻觉 。若采用AI辅助编程 ，这成为重要考量因素 。最根本的防护措施是 ：所有AI生成的代码都应在隔离的安全环境中测试 ，再部署到生产环境 。模板下载 |
雨林木风装机教程（一步步教你如何选择雨林木风配件，组装一台性能出色的电脑）iOS系统升级——6s9.3.2与10.3.1的对比（探索新旧系统之间的优劣与差异）咪咕听书（一键畅听，走进无限的阅读世界）半导体行业2022上半年盘点：行业没有迎来拐点，仍在强势发展如何提高数据中心的安全性？利用数据中心可以发展什么行业戴尔PowerProtect CyberRecovery保护企业抵御网络安全威胁轻松学会使用U盘在电脑店装机系统（一步步教您如何利用U盘完成电脑系统安装）Z370Godlike（全球首款支持无线电竞的主板，带给您卓越的游戏体验）戴尔Precision 5770移动工作站 让设计师专注创作香港物理机b2b信息平台源码库云服务器企业服务器亿华云网站建设
