Fortinet发布紧急补丁修复FortiClient EMS严重安全漏洞,该漏洞已在野外被攻击者利用。
这个漏洞编号为CVE-2026-35616,CVSS评分高达9.1,被描述为身份验证前API访问绕过导致权限提升的安全缺陷。
Fortinet在周六发布的安全公告中表示:"FortiClient EMS中的访问控制不当漏洞可能允许未经身份验证的攻击者通过精心制作的请求执行未经授权的代码或命令。"
该漏洞影响FortiClient EMS版本7.4.5至7.4.6。预计将在即将发布的7.4.7版本中完全修复,不过公司已经发布了热修复补丁来解决这个问题。
来自Defused Cyber的Simo Kohonen和Nguyen Duc Anh因发现并报告此漏洞而获得致谢。Defused Cyber在X平台上发帖称,他们在本周早些时候观察到CVE-2026-35616的零日漏洞利用。据watchTowr称,针对CVE-2026-35616的利用尝试最早于2026年3月31日在其蜜罐中记录到。
成功利用此漏洞可能允许未经身份验证的攻击者绕过API身份验证和授权保护,通过精心制作的请求执行恶意代码或命令。
"Fortinet已观察到此漏洞在野外被利用,强烈建议受影响的客户为FortiClient EMS 7.4.5和7.4.6安装热修复补丁,"该公司补充说。
这一事件发生在另一个最近修复的FortiClient EMS关键漏洞(CVE-2026-21643,CVSS评分:9.1)被积极利用的几天后。目前尚不清楚是否是同一个威胁行为者在利用这两个漏洞,以及它们是否被联合武器化。
鉴于这些漏洞的严重性,建议用户尽快将FortiClient EMS更新到最新版本。
watchTowr首席执行官兼创始人Benjamin Harris告诉The Hacker News:"这个零日漏洞在野外利用活动加剧的时机可能并非巧合。"
"攻击者反复表明,假期周末是行动的最佳时机。安全团队人手不足,待命工程师注意力分散,从入侵到检测的时间窗口从几小时延长到几天。复活节和其他任何假期一样,代表着机会。"
"令人失望的是更大的图景。这是几周内FortiClient EMS出现的第二个未经身份验证的漏洞。"
"因此,再次强调,运行FortiClient EMS并暴露在互联网上的组织应该将此视为紧急响应情况,而不是周二早上才处理的事情。应用热修复补丁。攻击者已经抢占先机。"
美国网络安全和基础设施安全局(CISA)于2026年4月6日将CVE-2026-35616添加到其已知被利用漏洞(KEV)目录中,要求联邦民用执行部门机构在2026年4月9日之前应用必要的修复措施。
Q&A
Q1:CVE-2026-35616漏洞有多严重?
A:CVE-2026-35616是一个CVSS评分高达9.1的关键漏洞,属于身份验证前API访问绕过导致权限提升的安全缺陷。未经身份验证的攻击者可以通过精心制作的请求执行未经授权的代码或命令,已被确认在野外被积极利用。
Q2:哪些FortiClient EMS版本受到影响?
A:该漏洞影响FortiClient EMS版本7.4.5至7.4.6。Fortinet已经发布了热修复补丁来解决这个问题,预计将在即将发布的7.4.7版本中完全修复。
Q3:为什么攻击者选择在假期周末利用漏洞?
A:据专家分析,假期周末是攻击者行动的最佳时机,因为安全团队人手不足,待命工程师注意力分散,从入侵到检测的时间窗口从几小时延长到几天,给攻击者更多机会成功实施攻击。
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。