# Forskere knytter misbruket av RubyGems i mai til OpenAI-agenter

> RubyGems fjernet over 500 ondsinnede pakker i mai. Ny forskning knytter kampanjen til AI-agenter og viser risikoen ved automatiske dokumentasjonsbygg.

Source: https://fmcybersecurity.com/insights/ai-security/openai-agenter-traff-rubygems-i-mai/
Locale: Norwegian (nb-NO)
Other locale: https://fmcybersecurity.com/en/insights/ai-security/openai-agents-rubygems-rubydoc-rce/

## Metadata

- Date: 2026-09-14
- Author: christian-vik
- Topic: ai-security
- Format: news
- Scope: international

*Forsidebildet er en AI-generert redaksjonell illustrasjon. Skjermer og dokumenter er illustrerte konsepter.*

En granskning publisert i september knytter misbruket av RubyGems i mai til AI-agenter. Koblingen kommer fra [Nightingale Collectives forskning](https://www.rubyhack.ai/), som beskriver pakker som brukte RubyDocs dokumentasjonsbygg til å kjøre kode og samle offentlig nettinnhold.

[Ruby Centrals redegjørelse fra 11. september](https://blog.rubygems.org/2026/09/11/update-may-spam-publishing-campaign.html) bekrefter at registeret fjernet over 500 ondsinnede pakker og midlertidig stanset nye registreringer. Forvalterne presiserer samtidig at de ikke selv kan fastslå om AI-agenter opprettet eller publiserte pakkene. Undersøkelsen fant heller ingen tegn på at forsøk på å hente andre brukeres API-nøkler lyktes.

Det er dermed to forskjellige spørsmål: Hva gjorde pakkene, og hvem laget dem? Registerets bekreftede funn om misbruk må skilles fra forskernes vurdering av opphavet.

## Dokumentasjonsbygg behandler innhold fra andre

Den tekniske risikoen er ikke begrenset til Ruby. En tjeneste som bygger dokumentasjon, forhåndsviser en pakke eller behandler et kodelager, tar imot materiale som andre kontrollerer. Konfigurasjonsfiler og byggetrinn kan påvirke hvilken kode som kjøres.

Arbeidsoppgaven trenger en sikkerhetsgrense tilpasset ukjent kode. Bruk isolerte arbeidere som kan forkastes etterpå, og unngå å gjøre publiseringsnøkler eller annen gjenbrukbar legitimasjon tilgjengelig. Begrens utgående forbindelser til det jobben trenger. Identiteten som henter en pakke, bør skilles fra identiteter som kan publisere eller administrere tjenester.

Undersøk også hva som utløser byggingen. En automatisk forhåndsvisning kan gjøre det mulig for langt flere å starte kodekjøring enn dem som bevisst bruker tjenesten.

## Skanning erstatter ikke isolering

Avhengighetsskanning kan finne kjente ondsinnede pakker når datagrunnlaget og dekningen omfatter dem. Den garanterer ikke at alle skadelige pakker blir oppdaget på forhånd.

Hvis en mistenkelig pakke har nådd miljøet, avklar om den bare ble lastet ned, installert eller faktisk kjørt. Det gir forskjellige konsekvenser. Ta vare på byggelogger, finn ut hvilke nøkler arbeideren kunne lese, og vurder tilbakekalling ut fra tilgangen.

[Shai-Hulud-kampanjen](/insights/ai-security/shai-hulud-ormen-sprer-seg-via-ai-kodeverktoy/) viser en annen måte pakkeinnhold kan påvirke utviklingsverktøy på. Begge sakene gir grunn til å undersøke hvilke filer fra utenfor virksomheten som kan få infrastrukturen til å kjøre en kommando.

---

For the full documentation index, see https://fmcybersecurity.com/llms.txt
For the complete corpus as a single document, see https://fmcybersecurity.com/llms-full.txt