Pesquisadores apresentam o DistillGuard, um framework leve para detectar pacotes NPM maliciosos que usa um LLM online apenas para gerar rótulos e conhecimento de segurança de alta qualidade, destilados via LoRA para um modelo Qwen3-8B open source rodando offline em produção — evitando o custo e o risco de enviar código de terceiros para uma API de LLM a cada verificação. O sistema atinge 95,3% de acurácia, 99,4% de precisão e F1 de 93,8%, superando ferramentas de referência em 11 a 30 pontos percentuais, e cataloga oito cadeias típicas de ataque via API usadas por pacotes maliciosos.
Pesquisadores atribuíram a um ator com motivação financeira, que se apresenta como caçador de bug bounty, a distribuição do stealer JavaScript PhantomRaven através de mais de cem pacotes maliciosos publicados no npm usando slopsquatting e typosquatting. Evidências como comentários excessivamente verbosos, código de preenchimento e padrões estatísticos de tokens levaram os analistas a concluir, com alta confiança, que o malware foi escrito com o auxílio de um LLM.
Pesquisadores da TrendAI (Trend Micro) identificaram 14 pacotes npm disfarçados de utilitários de calendário e streak que instalam um implante malicioso multiplataforma chamado RedC2 4.0. O framework inclui o módulo "Red Agent", que usa um LLM para traduzir comandos em linguagem natural para sequências de comandos do beacon, reduzindo a barreira tecnica para operar o C2.