Hugging Face'in popüler Diffusers kütüphanesinde üç yüksek seviyeli güvenlik açığı tespit edildi. Bu açıklar, özel olarak hazırlanmış model depolarının, yüklendikleri makinelerde gizlice keyfi kod çalıştırmasına olanak tanıyarak yapay zeka tedarik zincirini güvenlik riskine açık hale getiriyor.
Zafran Labs araştırmacıları Gal Zaban ve Ido Shani, geçtiğimiz hafta yayınladıkları analizde, "Bu güvenlik açıkları, özel boru hatlarının yüklenmesi sürecinde incelenmemiş kodların çalışmasını engellemek için tasarlanan trust_remote_code önlemini aşıyor" dedi.
Bu zafiyetlere topluca FaceHugger adı verildi.
Hugging Face'in "AI çağının GitHub'ı" haline gelmesi ve kütüphaneleri ile depolarının kurumsal ortamlarda yaygın olarak kullanılmasıyla birlikte, Diffusers gibi kütüphanelerdeki güvenlik açıkları, kütüphanenin üretim boru hatlarına, CI/CD sistemlerine ve konteyner görüntülerine nasıl entegre edildiği nedeniyle saldırganlara geniş bir erişim sağlayabiliyor.
Diffusers, video, görüntü ve ses üretmek için son teknoloji önceden eğitilmiş difüzyon modellerinden oluşan bir kütüphane olarak hizmet veren bir Python paketi. Pepy.tech'te paylaşılan istatistiklere göre, bu paket Temmuz 2026'da 8,1 milyondan fazla kez indirildi.
Kütüphanenin temel özelliklerinden biri, DiffusionPipeline API'si aracılığıyla bir Hugging Face merkez deposundan modeli yerel olarak yükleyebilmesi. Bu API, belirli boru hattı ve bileşen sınıflarını başlatmak için bir yapılandırma dosyasının yanı sıra özel boru hattı kodunu kullanıyor.
Diffusers'taki "trust_remote_code" parametresi, "from_pretrained()" yüklemesi sırasında bir model deposunda barındırılan özel Python kodunun çalıştırılıp çalıştırılmayacağını kontrol eden bir güvenlik önlemi. Parametrenin "True" olarak ayarlanması özel kodun çalışmasına izin verirken, "False" olarak ayarlanması veya tamamen atlanması doğrulanmamış kodun çalışmasını engelliyor.
