IT之家 2 月 10 日消息，據 The Hacker News 於 8 日報道，網絡安全研究人員發現，在 HuggingFace 平臺上，有兩個惡意機器學習（ML）模型利用了一種非常規的“損壞”pickle 文件技術來規避安全檢測。

ReversingLabs 研究員 Karlo Zanki 表示：“從這些 PyTorch 存檔中提取的 pickle 文件，在文件開頭揭示了惡意的 Python 內容。兩者的惡意載荷都是典型的平臺特定反向 shell，連接到硬編碼的 IP 地址。”

這種方法被稱爲 nullifAI，意在通過明確繞過現有的安全防護措施，避免被識別爲惡意模型。Hugging Face 上發現的兩個相關模型存儲庫如下：

glockr1/ballr7

who-r-u0000/0000000000000000000000000000000000000

這些模型被認爲更像是一個概念驗證（PoC），而非真實的供應鏈攻擊案例。

pickle 序列化格式在機器學習模型分發中很常見，但它一直被認爲存在安全隱患，因爲它允許在加載和反序列化時執行任意代碼。

被檢測出的這兩個模型使用的是 PyTorch 格式，實質上是壓縮的 pickle 文件。雖然 PyTorch 默認使用 ZIP 格式壓縮，但這些模型使用的是 7z 格式，這種不同的壓縮方式讓它們能夠避開 Hugging Face 的 Picklescan 工具的惡意檢測。

Zanki 進一步指出：“這個 pickle 文件的一個有趣之處是，對象序列化（IT之家注：即 pickle 文件的核心功能）在惡意載荷執行後就斷裂，導致無法正確反編譯對象。”

後續分析表明，儘管存在反序列化錯誤，損壞的 pickle 文件仍然能夠被部分反序列化，從而執行惡意代碼。該問題已被修復，Picklescan 工具也更新了版本。

Zanki 解釋說：“pickle 文件的反序列化是按順序進行的，pickle 操作碼會在遇到時執行，直到所有操作碼執行完畢或遇到損壞的指令。由於惡意載荷插入在 pickle 流的開頭，Hugging Face 的安全掃描工具未能檢測到模型的執行是有風險的。”