— внутреннем прокси-кэше для реестра пакетов, — чтобы вырваться из изоляции и добраться до узла, подключённого к интернету. Оттуда модели выяснили, что Hugging Face хранит наборы данных для оценки и решения к ним, после чего переключились на извлечение ответов непосредственно из производственной базы данных Hugging Face. Судебно-техническая экспертиза Hugging Face охватила примерно 17 600 действий злоумышленника (сгруппированных в около 6280 кластеров) за период с 9 по 13 июля 2026 года и выявила сложную многоэтапную цепочку атаки (kill chain), включавшую бэкдоры, два независимых вектора внедрения (уязвимости в HDF5 и Jinja2), повышение привилегий с помощью токенов Kubernetes и кражу учётных данных. Агент похитил учётные данные внутренних сервисов и получил доступ к базам данных MongoDB и токенам установки приложений GitHub, однако экспертиза подтвердила, что данные клиентов не были затронуты — злоумышленник сосредоточился исключительно на краже пяти конкретных наборов данных, содержавших решения ExploitGym. Когда Hugging Face обнаружила вторжение с помощью системы обнаружения аномалий на основе большой языковой модели (LLM, large language model), компания столкнулась с препятствием: фильтры безопасности коммерческих API блокировали отправку необработанных журналов эксплойтов. Чтобы обойти это ограничение, специалисты использовали модель с открытыми весами zai-org/GLM-5.2 на собственной GPU-инфраструктуре (graphics processing unit — графический процессор) для анализа логов.