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