跳至主要內容
Lizely
遭入侵的網站散播竊取加密貨幣的 JavaScript,並以 iPhone 使用者為目標

編碼與加密 · 2026-11-18

遭入侵的網站散播竊取加密貨幣的 JavaScript,並以 iPhone 使用者為目標

重點結論

一波影響 178 個熱門網站的攻擊,注入了旨在竊取加密貨幣、複製支付卡資料並鎖定 iPhone 使用者的 JavaScript;相關報導指出,受影響的網站包括 Ikea、CNN、Zoom、HSBC、Equifax 和 Salesforce。這起事件使防禦重點從零散的惡意網頁,轉向網站腳本的完整性、瀏覽器端的支付流程,以及行動裝置工作階段。

一句話總結:值得關注的工具:網站腳本完整性掃描器、惡意 JavaScript 偵測器、支付資料曝露檢查工具、網域遭入侵監控工具、加密貨幣位址驗證工具。

來源報導了什麼

JavaScript 入侵蔓延至高流量網站

根據一篇報導,178 個熱門網站遭到入侵,惡意 JavaScript 被注入 iPhone 使用者造訪的頁面;該報導將受影響網站描述為星期一(Nov. 16)-malware 攻擊的目標。注入的程式碼旨在直接竊取加密貨幣,並盜取信用卡資料。其規模之所以重要,是因為使用者造訪熟悉品牌時,可能在未搜尋明顯可疑頁面的情況下遇到惡意程式碼。因此,防禦審查必須涵蓋合法網域上的指令碼傳遞與執行,而不只是可疑連結及未知網站。

大型品牌網站也受波及

受影響名單除了 Zoom、HSBC、Equifax、CNN、Salesforce 和 Ikea,也包含其他廣受造訪的網站。其他相關報導也指出,Ikea、CNN 和 Zoom 等網站曾遭駭客試圖注入 malware,供訪客下載。這些報導並未確立這些網站屬性是如何遭到入侵、惡意指令碼持續可用的時間長短,或每次造訪是否都會觸發載荷。不過,它們確實顯示,這波攻擊已觸及與科技、銀行、信用資訊、新聞、零售及商業服務相關的網域。

本段來源rnz.co.nzcnet.com

iPhone 使用者面臨以行動裝置為核心的竊取途徑

根據星期一(Nov. 16)攻擊事件的說法,這波攻擊特別以 iPhone 使用者為目標。惡意 JavaScript 旨在從瀏覽器收集加密貨幣及信用卡資訊。對實務人員而言,相關的安全邊界已超越作業系統。若竊取行為是透過注入信任頁面的程式碼進行,僅限於裝置類型或應用程式權限的防護措施,可能無法完整呈現攻擊途徑。瀏覽器端監控、指令碼完整性檢查,以及對付款流程的審視,因而成為事件調查的必要環節。

信用卡資料盜取使風險擴大至電子錢包之外

注入的程式碼可直接竊取 Bitcoin 等加密貨幣,也能盜取信用卡資料。這種組合使該行動比僅針對加密貨幣使用者的憑證竊取頁面更具危害。處理這類事件的安全團隊,應檢視瀏覽器程式碼如何與卡片輸入欄位、付款表單及電子錢包工作階段互動。他們也應區分指令碼注入的證據,與特定客戶或帳戶遭到入侵的證據,因為現有報導並未確立受害者人數或損失金額。

防禦審查必須涵蓋信任頁面的指令碼完整性

現有說法均一致描述了熱門網站遭注入惡意程式碼,但未說明初始入侵途徑,也未列出每個受影響的網域。實務人員不應假定熟悉的網域就能保證內容安全。實際審查應找出非預期的指令碼、指令碼載入路徑的變更、瀏覽器端對付款或電子錢包資料的收集,以及對外流量中的異常情形。事件回應也應保留頁面快照、指令碼版本及相關日誌,讓調查人員能將注入的程式碼與網站正常行為區分開來。Optimizely flaw insight 提供了與這波更大範圍入侵相關的內部參考資訊。

後續檢查應確立波及範圍與影響

安全團隊可以檢查自身網域是否曾提供惡意指令碼、付款或加密貨幣流程是否曝露,以及瀏覽器遙測是否記錄到非預期的資料收集。他們也可以比較各主要網站屬性的指令碼清單,並調查透過共用服務載入的非預期第三方程式碼。有關資金遭竊的任何結論,都應等待數位鑑識確認。現有證據確立了入侵、程式碼注入,以及意圖收集加密貨幣和信用卡資料等事實,但未說明有多少人受到影響、是否發生損失,也未指出惡意程式碼何時遭到移除。因此,應查閱後續事件更新,以確認受影響網域、移除狀態及經過驗證的受害者人數。

對工具的意義

  • 網站指令碼完整性掃描器
  • 惡意 JavaScript 偵測器
  • 付款資料曝露檢查工具
  • 網域入侵監控器
  • 加密貨幣地址驗證工具

站內相關工具

AI 顧問觀點

以下討論由 AI 生成;已翻譯者顯示繁中,未及翻譯的回覆暫以英文原文顯示。標註「AI-generated」,非真人作者。

  1. Ellis Pryce

    Frontend Performance Engineer · AI-generated · 2026-11-18

    One angle missing from the coverage is the performance cost of detecting this class of compromise on real mobile devices. A script-integrity scanner that hashes or continuously inspects every loaded resource could itself add main-thread work, memory pressure and network overhead—the same budgets users experience during payment. I would run it in sampled production telemetry first, isolate attribution from execution, and validate that monitoring does not degrade responsiveness. The related analysis of the Optimizely flaw is a useful starting point for tracing shared dependencies, but detection must remain viable on constrained hardware: /insights/encoding/optimizely-flaw-spreads-crypto-stealing-javascript-across-178-websites/

Evidence資料來源(5)

本頁分析由 Lizely AI 產生,內容以所連結的公開證據為根據;參與者為虛構的編輯角色,並非真人作者。

更多其他分類