A20 · Модель и цепочка поставки

Исполнение вредоносного кода при загрузке файла модели

Файл модели из недоверенного источника может выполнить посторонний код в момент загрузки, особенно если сохранён в небезопасном формате сериализации. Под ударом рабочие станции разработчиков, конвейер сборки, серверы исполнения моделей и исследовательские среды.

Иллюстрация к карточке угрозы «Исполнение вредоносного кода при загрузке файла модели»
Отправить с описанием:TelegramWhatsApp
Кратко для руководителя

В чём суть риска

Файл модели из недоверенного источника может выполнить посторонний код в момент загрузки, особенно если сохранён в небезопасном формате сериализации. Под ударом рабочие станции разработчиков, конвейер сборки, серверы исполнения моделей и исследовательские среды.

Специалист по данным скачивает модель из внешнего репозитория и открывает её штатным инструментом. Некоторые форматы хранения, например pickle, допускают исполнение кода при чтении файла. Небезопасный загрузчик запускает скрытый код с правами пользователя или сервиса. Граница доверия нарушается из-за того, что файл модели воспринимается как данные, хотя ведёт себя как программа. Дальше компрометация распространяется на доступные этой учётной записи системы.

Связь со стандартамиOWASPLLM03, LLM04MITRE / ATT&CKATLAS: ML Supply ChainNISTNIST AI 100-2: Poisoning
01
Влияние на бизнес

Чем риск оборачивается для компании

Безопасность

Злоумышленник получает точку опоры на рабочей станции, в конвейере сборки или на сервере исполнения моделей.

Данные

Под угрозой обучающие наборы, исходный код и учётные данные, доступные из скомпрометированной среды.

Операции

Восстановление доверия к конвейеру сборки останавливает выпуск моделей и продуктов.

Где риск наиболее вероятен

Исследовательские среды с загрузкой внешних моделейРабочие станции специалистов по даннымАвтоматическая сборка с подтягиванием моделейСерверы исполнения моделей
02
Зоны ответственности

Кому и что решать

ИТ-директор

Утвердить перечень безопасных форматов моделей и запретить загрузку с исполнением произвольного кода.

Директор по кибербезопасности

Обеспечить сканирование файлов моделей, загрузку в изолированной среде и сетевую изоляцию сред разработки.

Владелец бизнес-процесса

Принять, что проверка внешней модели перед использованием обязательна, даже если это замедляет эксперимент.

03
Сигналы для службы мониторинга

Что стоит наблюдать

Признаки сами по себе не доказывают инцидент. Их полезно сопоставлять с учётной записью, версией модели, решением политики, источником контекста и результатом вызова инструмента.

В репозиториях и средах присутствуют файлы моделей в формате pickle
Для загрузки модели применяются нестандартные скрипты
При загрузке модели возникает неожиданная сетевая активность или запускаются процессы
Артефакт модели не удаётся воспроизвести из исходных данных
Модели загружаются напрямую из внешних репозиториев
04
Проектирование защиты

Какие меры создают границу

Меры работают в связке и не перекладывают ответственность на модель: важны границы полномочий, владелец, телеметрия и процедура безопасного отказа.

01Организационная

Перечень безопасных форматов моделей

Закрепить стандартом форматы, не допускающие исполнения кода, и порядок исключений.

02Техническая

Запрет загрузки произвольного кода

Настроить загрузчики так, чтобы они не исполняли код из файла модели.

03Техническая

Загрузка в изолированной среде

Открывать внешние модели в песочнице без доступа к рабочим данным и сети.

04Техническая

Сканирование файлов моделей

Проводить статический и динамический анализ артефактов до допуска в рабочие среды.

05Мониторинг

Контроль активности при загрузке

Отслеживать сетевые соединения и запуск процессов на станциях и серверах в момент загрузки моделей.

05
Управленческий контроль

Вопросы, показатели и первые шаги

Вопросы команде и поставщику

  1. В каких форматах хранятся используемые модели?
  2. Где и как открываются модели из внешних источников?
  3. Проверяются ли файлы моделей перед загрузкой?
  4. Есть ли у сред разработки доступ к рабочим системам и сети?

Показатели контроля

  • Доля моделей в небезопасных форматах сериализации
  • Доля внешних моделей, прошедших сканирование до загрузки
  • Число случаев неожиданной активности при загрузке моделей

Первые 30 дней

  1. Найти файлы моделей в небезопасных форматах в репозиториях и средах
  2. Ввести загрузку внешних моделей только в изолированной среде
  3. Включить сканирование артефактов в конвейер сборки
06
Проверка в пилоте

Как проверить в пилотном проекте

Подтвердить происхождение и управляемый путь поставки модели, адаптера, данных и зависимостей.

1

Состав AI-системы связывает артефакт модели, зависимости, набор данных и версию развёртывания.

2

Поступление артефакта из неутверждённого источника проходит контроль до выполнения.

3

Команда демонстрирует проверку, доказательство версии и безопасный откат.

Открыть матрицу пилота
07
Контекст рынка

Какие классы решений рассматривать

Защита цепочки поставок AIБезопасность жизненного цикла ML (MLSecOps)Защита конечных устройств

Ниже — редакционные профили поставщиков, связанные с доменом угрозы. Это не рейтинг и не подтверждение применимости: заявленные функции следует проверить в вашем пилоте по указанным критериям.

Проверенные источники

Источники и проверка

Сначала — объяснение для русскоязычной команды. Затем — первоисточники, по которым можно проверить границы, методологию и применимость в конкретной архитектуре.

S04 · OWASPLLM03:2025 Supply ChainЦепочка поставки моделей, данных и зависимостей.S05 · OWASPLLM04:2025 Data and Model PoisoningОтравление данных и моделей.S31 · arXivModels Are Codes: Security Risks of Loading Untrusted ModelsИсследование рисков загрузки моделей и datasets.S32 · arXivSafePickle researchРиски unsafe deserialization в ML-моделях.