---
title: "Kokoro: Forscher übernehmen Hugging-Face-Konto hinter KI-Sprachmodell per Domain"
date: 2026-11-18T02:21:58+01:00
modified: 2026-11-18T02:21:58+01:00
category: sicherheit
type: news
author: Marcel Schönfelder
canonical: https://s-edv.com/news/kokoro-hugging-face-konto-uebernahme-domain-modellgewichte
keywords:
  - Hugging Face
  - Kokoro
  - KI-Modell
  - Lieferkette
  - Kontoübernahme
  - Text-to-Speech
  - Modellgewichte
  - Lokale KI
reading_time: 4
ai_notice: "Mit KI erstellt – redaktionelle Prüfung ausstehend"
---

# Kokoro: Forscher übernehmen Hugging-Face-Konto hinter KI-Sprachmodell per Domain

> Mit KI erstellt – redaktionelle Prüfung ausstehend ([KI-Transparenz](https://s-edv.com/ki-transparenz))

Sicherheitsforscher um Alon Hertz haben das Hugging-Face-Konto übernommen, über das das verbreitete Text-zu-Sprache-Modell Kokoro verteilt wird. Dafür reichte nach ihrer am 16. November 2026 veröffentlichten Darstellung die Registrierung einer freien Domain und ein Passwort-Reset. Veränderte Modelldateien haben sie nach eigenen Angaben nicht hochgeladen.

Relevant ist der Fall für alle, die Kokoro oder andere Modelle automatisch von Hugging Face nachladen. Eine akute Gefahr durch das Kokoro-Konto ist nicht belegt, die Forscher geben an, es sei inzwischen gesichert. Admins sollten aber prüfen, ob ihre Pipelines feste Modellstände verwenden oder jeweils den neuesten ziehen.

## Was ist passiert?

Laut BleepingComputer stand in der öffentlichen Datei `DONATE.md` des Modells die Domain des Herausgebers hexgrad. Diese Domain war nicht mehr registriert. Die Forscher sicherten sie sich am Wochenende, nutzten sie für einen Passwort-Reset des Hugging-Face-Kontos und hatten damit Zugriff. Der Entwickler hat das Modell laut BleepingComputer seit April 2025 nicht mehr aktualisiert, GitHub-Repository und PyPI-Paket ruhen etwa seit derselben Zeit.

Hertz beschreibt im [Bericht des Teams](https://medium.com/@alonhertz1/one-click-from-180-million-downloads-taking-over-the-hugging-face-account-behind-an-ai-model-ac61c16305b7), was mit dem Konto möglich gewesen wäre. In 87 Sekunden auf einer Gaming-Grafikkarte veränderten die Forscher die Gewichte so, dass das Modell andere Wörter spricht als den eingegebenen Text. Anwendungscode, Konfiguration und Dateigröße blieben gleich. In einem zweiten Versuch brachten sie das Textmodell Qwen2.5-0.5B-Instruct mit einem eigenen Trainingsdatensatz dazu, auf bestimmte Fragen gezielt falsche Antworten zu geben.

## Wer ist betroffen?

Kokoro hat nach Angaben von Hertz rund 82 Millionen Parameter und kommt insgesamt auf etwa 180 Millionen Downloads, davon rund 19 Millionen im vergangenen Monat. BleepingComputer nennt für das Haupt-Repository auf Hugging Face knapp 13 Millionen Downloads im Monat. Das Modell steckt laut dem Bericht unter anderem in Googles AI Edge Gallery, ist Standard-Sprachausgabe im Voice-Agent-Beispiel von NVIDIA NeMo und wird von AMD GAIA, Intel OpenVINO und OpenRouter unterstützt. Dazu kommen 59 Open-Source-Projekte, die es einbinden. Betroffen wären vor allem Systeme, die neue Modellstände ungeprüft übernehmen. Wer eine fest gepinnte Revision verwendet, hätte eine untergeschobene neue Version nicht automatisch geladen.

## Wie kritisch ist das?

Ausgenutzt wurde nach den vorliegenden Angaben nichts, es handelt sich um eine Demonstration. Der Kern ist ein Vertrauensproblem: Veränderte Gewichte enthalten keinen Schadcode, den ein Virenscanner finden könnte, und eine neue Prüfsumme sieht aus wie ein normales Update. Ein Modell, das in einem Telefon- oder Sprachassistenten andere Zahlen oder Namen ausgibt als vorgesehen, fällt im Betrieb womöglich lange nicht auf. Ob Hugging Face an seinen Kontoprüfungen etwas ändert, ist offen. Laut BleepingComputer meldete Hertz das Problem an Hugging Face und erhielt keine Antwort, auch die Redaktion bekam bis zur Veröffentlichung keine. In seinem Bericht schreibt Hertz dagegen, man stimme sich mit Hugging Face ab.

## Was sollten Admins jetzt tun?

- Inventar: erfassen, welche Anwendungen Modelle oder Datensätze von Hugging Face beziehen, auch indirekt über Bibliotheken und Container.
- Modelle auf einen bestimmten Commit pinnen, statt den jeweils neuesten Stand zu laden, und den gewünschten Stand intern spiegeln.
- Bei Kokoro die Commit-Historie des Repositorys mit dem verwendeten Stand vergleichen und neue Revisionen nicht ungeprüft übernehmen.
- Updates von Modellen wie Software-Updates behandeln: erst testen, mit festen Eingaben vergleichen, dann ausrollen.
- Eigene Konten auf Hugging Face, GitHub und PyPI mit Zwei-Faktor-Anmeldung schützen und prüfen, ob dort hinterlegte Domains noch registriert sind.

## Einordnung für Unternehmen

Für Unternehmen, die lokale KI einsetzen, gilt bei Modellen dasselbe wie bei Paketen aus npm oder PyPI: Die Herkunft eines bekannten Namens sagt nichts darüber, wer das Konto heute kontrolliert. Verlassene Projekte mit hoher Verbreitung sind dabei ein besonderes Risiko, weil niemand Änderungen bemerkt. Wer Modelle in Kundenprozesse einbindet, sollte die eingesetzten Stände dokumentieren und Aktualisierungen bewusst freigeben.

## Passende Anleitungen auf S-EDV

- [Ollama und Open WebUI mit Docker: eigenes lokales KI-Sprachmodell ohne Cloud betreiben](https://s-edv.com/anleitungen/ollama-open-webui-docker-lokales-llm)
- [Lokale KI datenschutzkonform betreiben: DSGVO-Checkliste für On-Premise-LLM-Deployments](https://s-edv.com/anleitungen/lokale-ki-dsgvo-checkliste-on-premise-llm-deployment)
- [Hugging Face Diffusers: Drei Schwachstellen umgehen Code-Safeguard](https://s-edv.com/news/hugging-face-diffusers-schwachstellen-code-safeguard-umgangen-4603)

## Quellen

- [Alon Hertz: Bericht zur Übernahme des Kokoro-Kontos](https://medium.com/@alonhertz1/one-click-from-180-million-downloads-taking-over-the-hugging-face-account-behind-an-ai-model-ac61c16305b7)
- [BleepingComputer: Bericht zur Kontoübernahme](https://www.bleepingcomputer.com/news/security/researchers-hijack-hugging-face-account-for-popular-kokoro-ai-model/)
- [Hugging Face: Modellseite Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M)
