flowki@club:~$ Coding, Automation & Security — auf Deutsch
FlowKI Club

Deine KI. Deine Community. Deine Vorteile.

  • KI Know-how
  • Prompts & Tools
  • Security & Privacy
  • Community Support
  • Exklusive Vorteile
Werde Teil der Community

Gefälschtes OpenAI-Modell auf Hugging Face: 244K Downloads für Malware

Ein bösartiges Repository täuschte OpenAIs Privacy-Filter-Modell vor und verteilte einen Rust-basierten Info-Stealer an Windows-Nutzer. Das Fake-Projekt erzielte über 244.000 Downloads und rangierte zeitweise in Hugging Faces Trending-Liste.

Gefälschtes OpenAI-Modell auf Hugging Face: 244K Downloads für Malware

Dieser Beitrag wurde mit KI-Unterstützung aus der angegebenen Quelle erstellt und vor der Veröffentlichung automatisch gegen sie abgeglichen. Nicht jeder Beitrag wird zusätzlich von Hand gelesen — wir prüfen stichprobenweise nach und kennzeichnen Korrekturen. Beruht ein Artikel auf einem selbst durchgeführten Test, weisen wir das ausdrücklich aus.

Ein trojanisches Repository auf Hugging Face hat es geschafft, sich unter den Trending-Projekten zu platzieren – durch gezielte Nachahmung eines OpenAI-Modells. Das Projekt mit dem Namen Open-OSS/privacy-filter kopierte das legitime openai/privacy-filter-Modell, das OpenAI Ende des Vormonats veröffentlicht hatte.

Der Ablauf des Angriffs

Die Angreifer setzten auf eine bewährte Strategie: Sie imitierten das Original so genau wie möglich – von der Projektbeschreibung über die Repository-Struktur bis zu den Dateien. Der entscheidende Unterschied lag jedoch in einer manipulierten ausführbaren Datei, die einen Rust-basierten Information Stealer an Windows-Nutzer verteilte.

Die Malware war darauf ausgerichtet, sensitive Daten vom betroffenen System zu extrahieren. Mit über 244.000 Downloads erreichte das bösartige Projekt erhebliche Reichweite, bevor es entdeckt und entfernt wurde.

Warum diese Angriffsmethode funktioniert

Hugging Face ist eine zentrale Plattform für Machine Learning und Open-Source-Modelle. Der Vertrauensvorteil ist erheblich – Nutzer gehen häufig davon aus, dass populäre oder trending Modelle legitim sind. Die Ähnlichkeit zwischen echtem und gefälschtem Projekt erschwert eine schnelle visuelle Unterscheidung erheblich.

Zusätzlich profitierte die Campaign von der wachsenden Popularität von OpenAI-Tools und dem allgemeinen Hype um Privacy-preserving-Modelle. Nutzer, die nach Privacy-Filtern suchten, landeten schnell bei der gefälschten Version.

Lektionen für die Community

Dieser Vorfall unterstreicht mehrere Probleme:

  • Verifikation ist kritisch: Offizielle Publisher-Badges und Namensverifizierung sind wichtiger denn je
  • Supply-Chain-Risiken: Modell-Plattformen sind nicht per se sicherer als andere Software-Repositories
  • Downloads als Vertrauenssignal sind problematisch: Die Trendliste kann missbraucht werden, um Legitimität vorzutäuschen

Hugging Face hat das Repository inzwischen entfernt. Für Nutzer gilt: Vor dem Download sollten die Publisher-Informationen überprüft werden, idealerweise auf der offiziellen Website des Herstellers. Bei OpenAI-Modellen hilft der offizielle Account openai/ als Anhaltspunkt.

TeilenXLinkedInWhatsApp
Weiterlesen

Aus dem Magazin

Alle Artikel
SECURITY

AI Audit Trail: Datennachverfolgung in Production Workflows

2 min · 27. Juli

SECURITY

Kritische VMware-Lücken: Auth-Bypass und VM-Escape

2 min · 29. Juli

SECURITY

CARE: Sicherheitsprüfung für Shell-Befehle von LLM-Agenten

2 min · 27. Juli