科学研究员工在iOS的内嵌散列函数算法中发现了撞击进攻系统漏洞，造成了大家对苹果公司CSAM扫描仪系统的新关心，但苹果公司表明，这一发现并沒有危害到该系统的一致性。
该缺陷危害了名叫NeuralHash的散列算法，该算法容许苹果公司在没有有着一切图片或搜集一切非配对图片信息内容的情形下，查验图片与给定的虐童图象是不是彻底配对。周二，一个名叫Asuhariet Ygvar的GitHub客户推送了一个复建的Python版本的NeuralHash编码，他宣称早已从之前的iOS版本中反向开发设计了这一版本。
该GitHub贴子还包含怎样从现阶段macOS或iOS搭建中获取NeuralMatch文件的表明。从而造成的算法是NeuralHash的通用性版本，而不是拟议的CSAM系统布署后将应用的实际算法，但它依然提供了该算法的优点和弱势的整体定义。
初期测试表明，它可以忍受图象的尺寸和缩小，但无法容忍剪裁或转动。Asuhariet Ygvar在Reddit上共享了新编码，期待这能协助外部更好的了解NeuralHash算法，并在它在全部iOS机器设备上开启以前了解它的不确定性问题。此后没多久，一个叫Cory Cornelius的使用者在算法中发现了撞击进攻系统漏洞，可以造成二张同样哈希值的图片。这是一个关键的发现，由于苹果公司说其CSAM系统的附加保障措施将避免它被非法运用。
8月5日，苹果公司发布了一个新系统，用以阻拦iOS机器设备上的虐童图象。在新系统下，iOS将按照我国下落不明和被盘剥儿童中心(NCMEC)转化成和维系的虐童图象的哈希值查验本地存储的文档。该系统包括很多个人隐私保护对策，将检测范畴限定在iCloud照上面，并安装了一个阀值，即在转化成报警前发现高达30个配对项。殊不知，个人隐私提倡者依然担忧扫描仪本地存储文档的危害，新的发现加重了大家对该系统很有可能被充分利用的忧虑。
苹果公司表明，由于认知散列算法的已经知道局限，其CSAM扫描仪系统在搭建时已充分考虑撞击进攻问题。该企业注重了一个单独于NeuralHash的二级服务端散列算法，其主要关键点沒有公布。假如一张由NeuralHash撞击进攻的图片被系统标识出去，它将被送二级网络服务器检验，并在人力审批以前被确认为乱报。