美国网络安全和基础设施安全局已指示联邦机构修补影响某些思科系统设备的两个零日漏洞。
CISA官员周四发布了这一指令。相关的零日漏洞CVE-2025-20362和CVE-2025-20333影响思科ASA 5500-X系列防火墙设备中的某些系统。该公司为这些系统提供支持和更新,但不再销售它们。
这些漏洞影响在思科添加安全启动和信任锚这两项网络安全功能之前制造的ASA 5500-X系列设备。据该公司称,只有当客户激活受影响设备的内置虚拟专用网功能时,黑客才能利用这些漏洞。
CVE-2025-20362使绕过VPN的身份验证功能并访问通常受限的网络资产成为可能。另一个漏洞CVE-2025-20333使黑客能够获得根访问权限。它的严重性评级为9.9分,满分为10分。黑客正在积极利用这两个漏洞发动网络攻击。
在周四的博客文章中,思科详细说明这些网络攻击是在5月份由一组政府机构提请其注意的。这些机构已确定黑客利用ASA漏洞攻击联邦网络。据思科称,这些网络攻击被认为是其在2024年首次发现的名为ArcaneDoor的国家支持黑客活动的一部分。
"该活动范围广泛,涉及利用零日漏洞在ASA上获得未经身份验证的远程代码执行,以及操纵只读存储器来在重启和系统升级后持续存在,"CISA官员在本周向联邦机构发出的指令中详细说明。
黑客利用披露的零日漏洞安装引导工具包恶意软件。当用户启动受感染的设备时,引导工具包在操作系统启动之前激活。这使恶意软件即使在管理员重启或更新板载固件后也能保留在系统中。这种配置更改会清除许多其他类型的恶意软件。
网络攻击破坏了ASA防火墙的ROMMON,这是参与启动板载操作系统的固件。管理员还使用该固件执行某些维护任务,如恢复密码。思科确定黑客利用这些漏洞下载数据、安装恶意软件和运行终端命令。
黑客积极努力逃避检测。他们禁用了受感染设备的日志记录机制,这使收集有关违规行为的技术数据变得更加困难。在某些情况下,黑客使受感染的系统崩溃以防止诊断。
思科在周四修补了这些漏洞。它还发布了针对影响其多个软件产品的第三个漏洞的修复程序。到目前为止,思科没有发现后者漏洞被用于网络攻击的迹象。
CISA已指示联邦机构创建其网络中易受攻击的ASA系统清单。如果设备已被破坏或在9月30日之后不符合软件更新条件,则必须断开连接。不符合这些标准的设备必须在今天美国东部时间晚上11:59之前打补丁。
Q&A
Q1:CVE-2025-20362和CVE-2025-20333漏洞主要影响哪些设备?
A:这两个零日漏洞主要影响思科ASA 5500-X系列防火墙设备中的某些系统,特别是在思科添加安全启动和信任锚这两项网络安全功能之前制造的设备。只有当客户激活受影响设备的内置虚拟专用网功能时,黑客才能利用这些漏洞。
Q2:ArcaneDoor黑客活动是如何被发现的?
A:ArcaneDoor是思科在2024年首次发现的国家支持黑客活动。这些网络攻击是在5月份由一组政府机构提请思科注意的,这些机构确定黑客利用ASA漏洞攻击联邦网络。该活动范围广泛,涉及利用零日漏洞获得远程代码执行和操纵只读存储器。
Q3:CISA对联邦机构提出了哪些要求?
A:CISA指示联邦机构创建其网络中易受攻击的ASA系统清单。如果设备已被破坏或在9月30日之后不符合软件更新条件,则必须断开连接。不符合这些标准的设备必须在指定的美国东部时间晚上11:59之前打补丁。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。