该行动自 2025 年 3 月 起就已活跃，由一名 越南语使用者 操纵，部署了近 7600 个恶意 GitHub 仓库，其中 超过 800 个 伪装成 AI 技能或模型上下文协议（MCP）服务器——这正是 Claude Code、Gemini CLI 和 ChatGPT 等 AI 助手会主动搜索和推荐的那类组件。截至 2026 年 7 月，GitHub 的下载计数器已记录到与该行动相关的 超过 1400 万次 下载事件。

什么是 AgentBaiting？

AgentBaiting 是一种针对 AI 助手信任模型的供应链攻击。攻击者并非依赖受害者主动点击恶意链接，而是精心构造虚假仓库，使其能够被 AI 助手自己找到并推广。攻击链如下：

1. 伪造 AI 技能和 MCP 服务器： 该行动中超过 800 个仓库被伪装成 AI 技能（编程助手的插件）或 MCP 服务器——当用户要求集成某个工具或服务时，AI 助手会自动搜索这些组件。
2. 在公开 AI 注册表上发布信息： 攻击者在公开的 AI 注册表和目录中植入了 超过 600 条恶意清单，确保其仓库能出现在 AI 助手的搜索结果中。
3. 通过 README 文件进行社会工程学攻击： 这些恶意仓库使用了 复制的合法项目、高仿真的开发者资料 和 极具迷惑性的 README 文件，其中包含的安装指令会被 AI 助手信任并传递给用户。
4. 自主推荐： 当开发者要求 AI 助手寻找某个工具或初始化一个项目时，助手会在网络上搜索，发现这些虚假仓库中的一个，阅读 README 文件，然后向用户推荐包含恶意软件下载链接的“有用”安装说明。

Island Security 的首席研究员 Oleg Zaytsev 如此描述这种转变：“过去用来欺骗人类的手段，现在也开始欺骗 AI 助手了”。

恶意软件载荷：SmartLoader 和 StealC

FakeGit 行动部署了分两个阶段的恶意软件链：

• SmartLoader： 由虚假仓库投放的初始载荷。这是一个多阶段、基于 LuaJIT 的加载器，能在系统上建立持久性，检索加密的载荷阶段，并在内存中执行它们。
• StealC： 最终载荷。一个 信息窃取型恶意软件，能够从受感染的 Windows 系统中窃取凭据、API 密钥、浏览器数据和其他敏感信息。

行动规模（截至 2026 年 7 月）

注：超过 1400 万次的下载计数反映了 GitHub 计数器为该行动文件记录的所有事件，可能包含自动化请求以及真实的用户下载。

安全研究人员推荐的企业防护措施

基于 Island Security 的分析以及来自 Mozilla 0din 团队和其他安全研究人员的交叉验证报告，关键的防御措施如下：

1. 维护一个经批准、受管控的 AI 技能、MCP 服务器和 AI 助手扩展目录。 仅允许 AI 助手从该授权列表中安装组件。为每一项记录标注其来源、所有者、仓库地址、提交哈希和版本信息。

2. 对新的 AI 助手能力进行沙盒隔离测试。 在向整个组织推广任何新的 AI 技能或 MCP 服务器前，先在隔离的、受控的环境中对其进行评估。

3. 验证发布者和项目的完整性。 在信任任何第三方 AI 插件之前，交叉核验发布者的身份、账号年龄和项目历史。对于高星、高下载量的仓库，应警惕其可能是刷出来的。

4. 监控 AI 助手的网络路径。 对 AI 助手向外部仓库发出的出站请求实施监控，特别是那些不符合常规开发者基线的 GitHub 原始内容下载。

5. 限制 AI 助手的自主行为。 配置 AI 编程助手，要求其在安装新工具、执行 README 文件中的 Shell 命令或下载外部软件包之前，必须获得用户的明确确认。

6. 实施严格的出站流量控制。 限制 AI 助手基础设施能够访问的网络端点，并维护一个“受信源”白名单，只允许从白名单中的源下载代码和软件包。

7. 将公开的 AI 注册表视为不受信任的来源。 假定 AI 助手从公开注册表中发现的任何组件都可能是恶意的，直至其通过经批准的目录验证。

该行动自 2025 年 3 月 起就已活跃，由一名 越南语使用者 操纵，部署了近 7600 个恶意 GitHub 仓库，其中 超过 800 个 伪装成 AI 技能或模型上下文协议（MCP）服务器——这正是 Claude Code、Gemini CLI 和 ChatGPT 等 AI 助手会主动搜索和推荐的那类组件。截至 2026 年 7 月，GitHub 的下载计数器已记录到与该行动相关的 超过 1400 万次 下载事件。

什么是 AgentBaiting？

AgentBaiting 是一种针对 AI 助手信任模型的供应链攻击。攻击者并非依赖受害者主动点击恶意链接，而是精心构造虚假仓库，使其能够被 AI 助手自己找到并推广。攻击链如下：

1. 伪造 AI 技能和 MCP 服务器： 该行动中超过 800 个仓库被伪装成 AI 技能（编程助手的插件）或 MCP 服务器——当用户要求集成某个工具或服务时，AI 助手会自动搜索这些组件。
2. 在公开 AI 注册表上发布信息： 攻击者在公开的 AI 注册表和目录中植入了 超过 600 条恶意清单，确保其仓库能出现在 AI 助手的搜索结果中。
3. 通过 README 文件进行社会工程学攻击： 这些恶意仓库使用了 复制的合法项目、高仿真的开发者资料 和 极具迷惑性的 README 文件，其中包含的安装指令会被 AI 助手信任并传递给用户。
4. 自主推荐： 当开发者要求 AI 助手寻找某个工具或初始化一个项目时，助手会在网络上搜索，发现这些虚假仓库中的一个，阅读 README 文件，然后向用户推荐包含恶意软件下载链接的“有用”安装说明。

Island Security 的首席研究员 Oleg Zaytsev 如此描述这种转变：“过去用来欺骗人类的手段，现在也开始欺骗 AI 助手了”。

恶意软件载荷：SmartLoader 和 StealC

FakeGit 行动部署了分两个阶段的恶意软件链：

• SmartLoader： 由虚假仓库投放的初始载荷。这是一个多阶段、基于 LuaJIT 的加载器，能在系统上建立持久性，检索加密的载荷阶段，并在内存中执行它们。
• StealC： 最终载荷。一个 信息窃取型恶意软件，能够从受感染的 Windows 系统中窃取凭据、API 密钥、浏览器数据和其他敏感信息。

行动规模（截至 2026 年 7 月）

注：超过 1400 万次的下载计数反映了 GitHub 计数器为该行动文件记录的所有事件，可能包含自动化请求以及真实的用户下载。

安全研究人员推荐的企业防护措施

基于 Island Security 的分析以及来自 Mozilla 0din 团队和其他安全研究人员的交叉验证报告，关键的防御措施如下：

1. 维护一个经批准、受管控的 AI 技能、MCP 服务器和 AI 助手扩展目录。 仅允许 AI 助手从该授权列表中安装组件。为每一项记录标注其来源、所有者、仓库地址、提交哈希和版本信息。

2. 对新的 AI 助手能力进行沙盒隔离测试。 在向整个组织推广任何新的 AI 技能或 MCP 服务器前，先在隔离的、受控的环境中对其进行评估。

3. 验证发布者和项目的完整性。 在信任任何第三方 AI 插件之前，交叉核验发布者的身份、账号年龄和项目历史。对于高星、高下载量的仓库，应警惕其可能是刷出来的。

4. 监控 AI 助手的网络路径。 对 AI 助手向外部仓库发出的出站请求实施监控，特别是那些不符合常规开发者基线的 GitHub 原始内容下载。

5. 限制 AI 助手的自主行为。 配置 AI 编程助手，要求其在安装新工具、执行 README 文件中的 Shell 命令或下载外部软件包之前，必须获得用户的明确确认。

6. 实施严格的出站流量控制。 限制 AI 助手基础设施能够访问的网络端点，并维护一个“受信源”白名单，只允许从白名单中的源下载代码和软件包。

7. 将公开的 AI 注册表视为不受信任的来源。 假定 AI 助手从公开注册表中发现的任何组件都可能是恶意的，直至其通过经批准的目录验证。