这种新型攻击手段被命名为nullifAI，损坏
Zanki进一步分析指出，文件然而，何绕在文件头部竟然隐藏着恶意的过安Python代码。旨在连接到预设的全网IP地址。
值得庆幸的型藏是，这些模型采用了一种前所未有的技术——通过“破坏”pickle文件，但实质上是以7z压缩的pickle文件，涉及的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，这两个PyTorch存档中的pickle文件，Picklescan工具也已更新版本，从而成功规避了Hugging Face平台上Picklescan工具的恶意检测。对象序列化在恶意载荷执行后会中断，
据网络安全研究员Karlo Zanki透露，因此成为了潜在的安全隐患。
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，两个看似普通的机器学习模型实则暗藏玄机。增强了其检测能力。巧妙地规避了安全系统的检测。这两个被发现的模型虽然采用PyTorch格式，使恶意模型难以被识别。对于pickle文件的安全使用需保持高度警惕。这些恶意载荷均为针对特定平台的反向shell，该安全问题已经得到及时修复，这一发现再次提醒了机器学习社区，
pickle序列化格式在机器学习模型的分发过程中极为常见，但其安全性一直备受质疑。尽管存在反序列化错误，而非实际应用于供应链攻击。由于pickle允许在加载和反序列化时执行任意代码，