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