HDF5 è un formato di file gerarchico per l'archiviazione di set di dati grandi e complessi. È comune nel calcolo scientifico, nel machine learning e nell'addestramento dei modelli perché può contenere molti array, etichette e metadati in un unico file, supportando al tempo stesso un accesso casuale rapido. Gli strumenti spesso usano reader specializzati e librerie native per caricare i dati HDF5 in memoria.
Nella sicurezza informatica, HDF5 è importante perché il parsing di file non affidabili è rischioso. Un file HDF5 creato in modo malevolo può causare crash, un uso eccessivo delle risorse o vulnerabilità nel parser o nel codice wrapper. In attacchi reali, gli avversari possono nascondere payload nei file di dati inviati alle pipeline di training, ai notebook o ai job di valutazione, sperando che un loader li elabori automaticamente. I difensori dovrebbero trattare HDF5 come qualsiasi altro confine di input: convalidare le origini, mantenere aggiornate le librerie di parsing, isolare in sandbox i job di elaborazione dei dati ed evitare di caricare file da repository non affidabili senza ispezione.