资安业者Trail of Bits揭露一旦这种恶意Pickle档案载入后，攻击者就有机会进行中间人攻击（MitM）、供应链攻击、网路钓鱼、利用系统特定的弱点。
一般而言，攻击者要直接利用Pickle档案格式的漏洞造成损害并不容易，但研究人员指出，Sleepy Pickle能用于破坏机器学习模型，使得Pickle档案格式的弱点危害更加显著。
究竟什么是Sleepy Pickle？研究人员利用前述提及的Fickling，将自订函数功能（恶意酬载）注入内含序列化机器学习模型的Pickle档案，接著，他们透过中间人攻击、供应链攻击、社交工程等手法，将恶意Pickle档案传送至受害者的系统，一旦该档案在受害系统进行反序列化，恶意酬载就会启动，在模型植入后门、控制输出的内容，或是在资料回传给使用者之前进行窜改。
研究人员指出，攻击者可借由模型参数或是模型程式码两种面向，发动Sleepy Pickle攻击，而且，他们可以借此维持存取机器学习模型，还能回避资安团队的侦测。
当骇客的档案在Python处理程序载入时，机器学习模型就会遭到破坏，而且，不会在磁碟留下痕迹；再者，由于这种手法仅依赖单一Pickle档案，因此攻击者无须对系统其他部分进行存取；其次，则是攻击者透过反序列化过程动态修改模型，使得静态资安分析系统难以察觉模型的变更。
最重要的是，这种攻击手法具备高度弹性。研究人员举例，骇客可设计恶意酬载，以Python程式库扫描底层系统，或是检查时区、日期，然后在符合特定条件的环境才会启动。这样做使得相关攻击变得难以侦测，而且攻击者可锁定特定系统及组织犯案。