HackerNews 编译，转载请注明出处：
Sonatype 研究人员发现了 Picklescan 中的多个严重漏洞。这些漏洞可能影响 AI 模型的安全性，并威胁 Hugging Face 等平台的安全防护机制。本文将探讨这些漏洞的影响以及开发者应采取的最佳实践。
Picklescan 漏洞详情
Sonatype 的网络安全研究团队在 Picklescan 中发现了 四个关键漏洞。Picklescan 是一个用于检查 Python Pickle 文件是否包含恶意代码的工具，而 Pickle 文件常用于存储和加载机器学习模型。然而，由于 Pickle 机制允许执行任意代码，恶意代码可在加载数据时运行，带来安全风险。
根据 Sonatype 分享给 Hackread.com 的分析，这四个漏洞包括：
- CVE-2025-1716 —— 允许攻击者绕过 Picklescan 的安全检查并执行恶意代码；CVE-2025-1889 —— 由于依赖文件扩展名进行检测，Picklescan 无法发现隐藏的恶意文件；CVE-2025-1944 —— 攻击者可通过操纵 ZIP 归档文件名，使 Picklescan 发生故障；CVE-2025-1945 —— 如果 ZIP 归档中的某些位被篡改，Picklescan 可能无法检测恶意文件。
值得注意的是，Hugging Face 等平台 依赖 Picklescan 作为安全机制之一，以检测恶意 AI 模型。研究人员警告，这些漏洞可能被黑客利用，以绕过安全检查，进而威胁依赖开源 AI 模型的开发者。这可能导致 任意代码执行，甚至让攻击者完全控制受影响的系统。
“考虑到 Picklescan 在 AI/ML 生态中的关键作用（例如在 PyTorch 生态中），Sonatype 发现的漏洞可能被威胁行为者利用，以绕过部分恶意软件扫描，从而攻击依赖开源 AI 的开发者。” —— Sonatype 研究团队
漏洞修复与安全建议
好消息是，Picklescan 维护团队对安全性表现出了高度负责的态度，迅速修复了这些漏洞，并在版本 0.0.23 中进行了补丁，大大减少了漏洞被恶意利用的可能性。
Sonatype 首席产品官 Mitchell Johnson 建议开发者：
- 避免使用来自不受信任来源的 Pickle 文件，尽可能采用 更安全的文件格式；若必须使用 Pickle 文件，应在受控环境下加载，以减少攻击面；使用加密签名与校验和 验证 AI 模型的完整性，防止篡改；采用多层安全扫描机制，避免单一检测工具失效；持续监控 Pickle 文件的加载行为，发现可疑活动时及时响应。
此次发现突显了 AI/ML 安全体系日益增长的重要性。为了降低风险，企业应尽快采纳 更安全的文件格式、多重安全扫描机制，并对 AI 模型进行完整性验证，以防止攻击者滥用 Pickle 机制进行恶意攻击。
消息来源：HackerRead；
本文由 HackerNews.cc 翻译整理，封面来源于网络；
转载请注明“转自 HackerNews.cc”并附上原文
