去年6月，一個名叫TroyDen的賬號在Telegram開了個頻道，叫@NumberLocationTrack。沒人注意到這個細節(jié)。直到9個月后，Netskope的研究員在法蘭克福的一臺服務器上，發(fā)現(xiàn)了300多個GitHub倉庫在往同一個地址回傳數(shù)據(jù)——全是開發(fā)者的桌面截圖。

這是2025年開年以來最精細的一場"釣魚"。目標不是點擊鏈接的大爺大媽，是能寫代碼、會翻墻、自以為安全意識夠高的那群人。黑客把惡意軟件拆成三塊，每一塊單獨過殺毒引擎都干干凈凈，合在一起才現(xiàn)原形。這種設計不是聰明，是對自動化檢測系統(tǒng)的嘲諷。

一個"明星項目"的誕生

2025年初，GitHub上出現(xiàn)了一個叫AAAabiola/openclaw-docker的倉庫。名字起得很講究：OpenClaw是個正經(jīng)的AI項目，Docker是開發(fā)者天天用的工具，連起來像個官方部署方案。README寫得像模像樣，Windows和Linux的安裝步驟都有，還配了個GitHub.io的配套頁面。

貢獻者名單里有個賬號，名下有個568星的倉庫。這個數(shù)字選得刁鉆——不是幾千星的大V，那種太容易被識破；也不是零星的僵尸號，那種沒人信。568星，剛好卡在"有點東西但不張揚"的區(qū)間。

剩下的全是戲。攻擊者批量注冊了一批小號，給項目點星、fork，再打上ai-agents、docker、openclaw、LLM這些標簽。GitHub的搜索算法吃這套，項目很快爬到開發(fā)者搜索結果的前列。一個"熱門開源工具"的人設，就這么搭起來了。

但真正的問題是：代碼里藏了什么？

Netskope的分析師下載了 release 包，解壓后看到三樣東西：Launch.bat、unc.exe、license.txt。批處理文件、可執(zhí)行程序、許可證文本——看起來像個正常軟件的標配。實際上，unc.exe是改名后的LuaJIT運行時，license.txt是混淆過的Lua腳本，Launch.bat是唯一能把兩者串起來的鑰匙。

這個設計針對的是自動化沙箱的盲區(qū)。VirusTotal這類服務收到文件后，通常把每個組件單獨丟進虛擬機跑一圈。批處理文件？ harmless?？蓤?zhí)行程序？ harmless。文本文件？ harmless。三份無害報告拼在一起，結論就是"安全"。

但真正的攻擊發(fā)生在用戶雙擊Launch.bat的那一刻。批處理文件按特定順序調用unc.exe，把license.txt當參數(shù)喂進去，LuaJIT解釋器開始執(zhí)行惡意邏輯。這種"分體激活"的套路，讓靜態(tài)分析工具集體失明。

五道安檢門與法蘭克福的服務器

Payload運行前要先過五道檢查：有沒有調試器、內存是不是太小、系統(tǒng)運行時間夠不夠長、CPU核心數(shù)夠不夠多、有沒有常見分析工具在跑。任何一項不通過，程序就靜默退出，不留痕跡。

這些檢查不是為了防普通用戶——普通用戶的機器不可能裝調試器。目標很明確：讓自動化分析環(huán)境覺得"這軟件什么都沒干"，從而給出干凈報告。

過關后的第一件事是定位。受害者的IP被解析成地理位置，連同一張完整的桌面截圖，一起發(fā)到法蘭克福的C2服務器。Netskope追蹤到這臺后端用了8個IP做負載均衡，架構明顯是為大規(guī)模并發(fā)設計的。

研究員順藤摸瓜，發(fā)現(xiàn)同樣的惡意工具鏈出現(xiàn)在300多個不同的交付包里。游戲外掛、手機追蹤器、VPN破解工具、Roblox腳本——全是開發(fā)者和技術愛好者會主動搜索的東西。每個倉庫的命名都怪怪的：拉丁文古詞、冷門生物分類名、醫(yī)學術語。這種命名風格不像人類的手筆，更像是AI批量生成的結果。

換句話說，攻擊者可能用AI寫了命名腳本，用AI生成了部分代碼，再用AI輔助批量創(chuàng)建GitHub賬號。 一個人運營不了300個倉庫的維護、更新、 star 刷量，但AI可以。

Telegram頻道里的時間線

調查中最有意思的發(fā)現(xiàn)是那個Telegram頻道。@NumberLocationTrack從2025年6月就開始運營，比GitHub倉庫的出現(xiàn)早了至少三個月。頻道名字直白得近乎粗暴：號碼定位追蹤。

這意味著攻擊者在公開投放惡意代碼之前，已經(jīng)花了大量時間測試基礎設施、打磨工具鏈、觀察目標人群的行為模式。GitHub倉庫不是起點，是規(guī)模化復制后的結果。

攻擊者的技術棧也值得玩味。LuaJIT是個小眾選擇——比Python快，比C++輕量，反編譯難度大，在惡意軟件圈子里不算主流。選這個 runtime，說明團隊里有懂編譯原理的人，而且愿意為"隱蔽性"犧牲開發(fā)效率。

更細思極恐的是話題標簽的運營。ai-agents、LLM這些詞是2024-2025年的流量密碼，攻擊者精準地蹭了上去。他們不是不懂技術，是太懂了——懂到知道開發(fā)者會搜什么、信什么、點什么。

開發(fā)者正在成為最脆弱的環(huán)節(jié)

傳統(tǒng)安全模型假設"用戶是弱點"，所以企業(yè)拼命給員工做釣魚培訓。但這場戰(zhàn)役的受害者是另一群人：能讀代碼、會看commit歷史、知道怎么驗證GPG簽名的開發(fā)者。他們的自信反而成了盲區(qū)——"我懂技術，我不會中招"。

AAAabiola/openclaw-docker的偽裝級別，恰恰利用了這種心理。不是粗糙的"點擊領取比特幣"，是完整的項目生態(tài)：有文檔、有貢獻者、有社區(qū)互動（雖然是刷的）、有持續(xù)更新。開發(fā)者評估開源項目的直覺經(jīng)驗，在這里全部失效。

Netskope的報告沒有披露具體受害人數(shù)，但提到了"廣泛的用戶范圍"?？紤]到300多個倉庫、8個后端IP、以及Telegram頻道三個月的預熱期，實際影響可能遠超目前確認的樣本。

GitHub在2024年加強了惡意倉庫的檢測，但這場 campaign 說明規(guī)則對抗已經(jīng)升級。攻擊者不再上傳明顯的惡意二進制文件，而是拆分、混淆、用合法 runtime 加載惡意腳本——每一步都踩在"技術上合法"的邊界上。

一個值得注意的細節(jié)：所有受害者的桌面截圖都被傳回C2服務器。這不是必要的功能，惡意軟件完全可以直接執(zhí)行后續(xù)攻擊。截圖更像是一種"質量控制"——攻擊者在觀察哪些誘餌有效、哪些被識破、目標人群的真實使用場景是什么。

這種數(shù)據(jù)驅動的迭代模式，和正規(guī)產(chǎn)品的增長黑客沒什么區(qū)別。

現(xiàn)在，那個叫TroyDen的賬號還在Telegram上活躍。GitHub上的惡意倉庫大部分已被清理，但攻擊者的基礎設施——法蘭克福的8個IP、LuaJIT的工具鏈、AI生成命名的方法論——隨時可以重新啟用。下一次，項目名字可能不再是OpenClaw，而是當下最熱門的AI框架。

你最近一次從GitHub下載工具時，有沒有檢查過貢獻者的其他倉庫？有沒有看過Launch.bat里到底寫了什么？