思科公司近日发布补丁,修复了其带外管理解决方案中的一个关键漏洞,该漏洞存在于其众多服务器和设备中。这个安全缺陷允许未经身份验证的远程攻击者获得思科集成管理控制器(IMC)的管理员权限,而IMC能够让管理员远程控制服务器,即使在主操作系统关闭时也能正常使用。
该漏洞编号为CVE-2026-20093,源于密码更改处理的不当操作,攻击者可通过发送特制的HTTP请求来利用此漏洞。这意味着那些IMC接口直接暴露在本地网络中的服务器面临直接风险,如果暴露在互联网上,风险则更为严重。
思科IMC是一种基板管理控制器(BMC),这是一个嵌入在服务器主板中的专用控制器,拥有独立的内存和网络接口,为管理员提供监控和管理功能,就如同他们通过键盘、显示器和鼠标直接连接到服务器一样。由于BMC运行独立于操作系统的固件,它们可以在操作系统关闭时执行操作,包括重新安装系统。
IMC提供HTML5网页界面、基于SSH的命令行接口和XML API。它还支持Redfish,这是一个用于BMC和虚拟KVM的标准化RESTful API。
思科在其安全公告中表示:"成功的攻击可能允许攻击者绕过身份验证,更改系统上任何用户的密码,包括管理员用户,并以该用户身份获得系统访问权限。"
IMC存在于5000系列企业网络计算系统、Catalyst 8300系列边缘uCPE、独立模式下的UCS C系列M5和M6机架服务器、UCS E系列服务器M3以及UCS E系列服务器M6中。然而,基于思科统一计算系统(UCS) C系列平台的大量思科产品和设备,如果其IMC接口暴露,也会受到影响。
虽然思科目前尚未发现任何恶意攻击利用此漏洞,但其他制造商服务器中的BMC缺陷在过去曾被利用。2022年,安全研究人员发现了一个名为iLOBleed的恶意植入程序,该程序很可能由APT组织开发,通过HPE iLO(HPE的集成远程管理)BMC中的漏洞进行部署。2018年,一个名为JungleSec的勒索软件组织使用IPMI接口的默认凭据来攻击Linux服务器。
针对此类管理接口的攻击风险足够严重,美国网络安全和基础设施安全局(CISA)和国家安全局(NSA)在2023年发布了关于加固BMC的指导意见。
最近,研究人员还警告了廉价KVM-over-IP设备中的漏洞,一些组织或管理员使用这些设备作为管理没有专用BMC控制器系统的替代方案。
Q&A
Q1:思科IMC是什么?它有什么作用?
A:思科IMC是思科集成管理控制器,是一种基板管理控制器(BMC),嵌入在服务器主板中,拥有独立的内存和网络接口。它为管理员提供远程监控和管理功能,可以在操作系统关闭时执行操作,包括重新安装系统,提供HTML5网页界面、SSH命令行接口和XML API。
Q2:CVE-2026-20093漏洞会造成什么危害?
A:该漏洞允许未经身份验证的远程攻击者通过发送特制HTTP请求绕过身份验证,更改系统上任何用户的密码,包括管理员用户,并以该用户身份获得系统访问权限。特别是那些IMC接口直接暴露在网络中的服务器面临直接风险。
Q3:哪些思科产品受到这个漏洞影响?
A:受影响的产品包括5000系列企业网络计算系统、Catalyst 8300系列边缘uCPE、独立模式下的UCS C系列M5和M6机架服务器、UCS E系列服务器M3和M6。此外,基于思科统一计算系统C系列平台的大量产品和设备,如果其IMC接口暴露,也会受到影响。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。