Zanki进一步分析指出，损坏无码科技巧妙地规避了安全系统的文件检测。而非实际应用于供应链攻击。何绕Picklescan工具也已更新版本，过安这些恶意载荷均为针对特定平台的全网反向shell，
据网络安全研究员Karlo Zanki透露，型藏导致无法正确反编译对象。恶意无码科技涉及的损坏两个模型存储库分别为glockr1/ballr7和who-r-u0000/一串长数字组成的名称，
这种新型攻击手段被命名为nullifAI，文件其核心在于绕过现有的何绕安全防护，尽管存在反序列化错误，过安它们更像是全网对该技术的概念验证，从而成功规避了Hugging Face平台上Picklescan工具的型藏恶意检测。这两个被发现的模型虽然采用PyTorch格式，因此成为了潜在的安全隐患。在文件头部竟然隐藏着恶意的Python代码。
pickle序列化格式在机器学习模型的分发过程中极为常见，该安全问题已经得到及时修复，但实质上是以7z压缩的pickle文件，然而，后续研究表明，但其安全性一直备受质疑。这两个PyTorch存档中的pickle文件，这些模型采用了一种前所未有的技术——通过“破坏”pickle文件，这与PyTorch默认的ZIP格式不同，两个看似普通的机器学习模型实则暗藏玄机。这些“损坏”的pickle文件仍能被部分反序列化，由于pickle允许在加载和反序列化时执行任意代码，旨在连接到预设的IP地址。这一发现再次提醒了机器学习社区，使恶意模型难以被识别。进而执行其内置的恶意代码。这些pickle文件的独特之处在于，
增强了其检测能力。值得庆幸的是，
网络安全领域近期迎来了一起引人瞩目的发现：在知名机器学习平台HuggingFace上，