一个正在网络上流传的零日漏洞利用工具,允许能够物理接触Windows 11设备的人,在数秒内绕过系统默认的BitLocker保护,从而获得对加密驱动器的完整访问权限。
这一漏洞利用工具被命名为YellowKey,由一位网名为Nightmare-Eclipse的研究人员于本周早些时候公开发布。它能够可靠地绕过Windows 11系统默认部署的BitLocker保护机制。BitLocker是微软提供的全卷加密保护功能,其目的在于确保磁盘内容对任何没有解密密钥的人都不可访问,而该密钥存储在一块被称为可信平台模块(TPM)的安全硬件中。BitLocker对许多组织来说是强制性的安全保护措施,包括与政府机构签订合同的企业。
YellowKey漏洞利用的核心是一个自定义的FsTx文件夹。关于这个文件夹的在线文档极难查找。据后续分析解释,与fstx.dll文件关联的目录似乎涉及微软所称的"事务性NTFS"(Transactional NTFS),该机制允许开发人员在涉及单个文件、多个文件或跨多个来源的事务中,对文件操作实现"事务原子性"。
执行此绕过攻击的步骤相当简单:
将Nightmare-Eclipse漏洞页面中的自定义FsTx文件夹复制到一个格式为NTFS或FAT的U盘中;
将U盘连接到受BitLocker保护的设备上;
启动设备,并在启动时立即按住Ctrl键;
进入Windows恢复环境。
实现第三步至少有两种方式:一种是启动Windows后,按住Shift键,点击电源图标,再点击重启;另一种是在设备开机、Windows刚开始启动时立即重启设备。
无论采用哪种方式,最终都会出现一个命令提示符(CMD.EXE)窗口,且该窗口对整个驱动器内容具有完全访问权限,攻击者可借此复制、修改或删除文件。在正常的Windows恢复流程中,攻击者需要输入BitLocker恢复密钥,但YellowKey漏洞利用工具设法绕过了这一安全措施。包括Kevin Beaumont和Will Dormann在内的多位研究人员已证实,该漏洞利用工具的实际效果与上述描述一致。
目前尚不清楚自定义FsTx文件夹中的哪个部分导致了这一绕过。Dormann表示,这似乎与事务性NTFS有关,该机制本身在底层使用了命令日志文件系统。Dormann进一步指出,通过查看Windows的fstx.dll文件,可以发现代码中明确在FsTxFindSessions()函数里搜寻\System Volume Information\FsTx路径的逻辑。
YellowKey漏洞中所使用的FsTx目录内容,并未显示出任何与RecoverySimulation.ini相关的字符串,但确实包含了文件路径\??\C:\Windows\win.ini以及\??\X:\Windows\System32\winpeshl.ini,"其中X:\Windows\System32\winpeshl.ini正是控制Windows恢复环境(WinRE)启动时行为的文件。"
Tharros Labs高级主任漏洞分析师Dormann进一步表示:
"但真正令我困惑的是:为什么一个卷上存在\System Volume Information\FsTx目录,在重放时会影响另一个卷的内容?"
Q&A
Q1:YellowKey漏洞是如何绕过BitLocker加密保护的?
A:YellowKey漏洞的核心是一个自定义的FsTx文件夹,将其复制到U盘后连接到受保护设备,在启动时按住Ctrl键进入Windows恢复环境,即可获得对整个驱动器的完整访问权限,无需输入BitLocker恢复密钥。研究人员推测这与事务性NTFS机制有关,但具体原因尚未完全明确。
Q2:使用YellowKey漏洞需要什么前提条件?
A:使用YellowKey漏洞需要能够物理接触到目标Windows 11设备,同时需要准备一个格式为NTFS或FAT的U盘,并将自定义FsTx文件夹复制到U盘中。整个攻击过程只需数秒即可完成,操作步骤相对简单,不需要专业的技术背景。
Q3:BitLocker的TPM保护机制为什么无法阻止YellowKey漏洞攻击?
A:正常情况下,BitLocker将解密密钥存储在TPM硬件中,进入Windows恢复环境需要输入恢复密钥。但YellowKey漏洞通过触发与事务性NTFS相关的特定机制,使系统在恢复环境中跳过了密钥验证环节,从而直接获得对加密驱动器的完整访问权限。具体的绕过原理目前仍在研究人员的调查中。
好文章,需要你的鼓励
本田汽车因电动车战略失败,创下上市以来最大亏损,电动车相关损失高达1.45万亿日元(约92亿美元)。本田CEO宣布全面调整战略:放弃2040年淘汰燃油车计划,转而推进混动路线,计划到2028年推出两款新混动车型原型,并在本十年末全球发布15款新混动车型。与此同时,本田将暂停150亿美元的加拿大电动车工厂建设,并将俄亥俄州电动车产线改为混动和燃油车生产。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
IEEE信号处理学会与《IEEE信号处理精选主题期刊》联合发布专题征稿,聚焦"网络化AI"领域。该研究方向旨在让机器人和AI系统摆脱孤立运行模式,通过互联网络实现集体学习、实时协同优化。研究涵盖多智能体机器人、分布式AI、边缘智能、自动驾驶等方向,探索系统在无需人工干预的条件下自主进化的可能性。论文征集截止日期为2026年6月15日,成果将于2027年1月发布。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。