趋势科技公司发布安全更新,修复了影响Windows本地部署版本Apex Central的多个安全漏洞,其中包括一个可能导致任意代码执行的关键漏洞。
关键安全漏洞详情
这个漏洞编号为CVE-2025-69258,CVSS评分高达9.8分(满分10.0分)。该漏洞属于影响LoadLibraryEX的远程代码执行漏洞。
趋势科技表示:"Apex Central中的LoadLibraryEX漏洞可能允许未经身份验证的远程攻击者将攻击者控制的DLL加载到关键可执行文件中,从而在受影响安装环境的SYSTEM权限下执行攻击者提供的代码。"
其他已修复漏洞
趋势科技还修复了另外两个漏洞:
CVE-2025-69259(CVSS评分:7.5)- Apex Central中的消息未检查NULL返回值漏洞,可能允许远程未经身份验证的攻击者在受影响的安装环境中创建拒绝服务条件。
CVE-2025-69260(CVSS评分:7.5)- Apex Central中的消息越界读取漏洞,可能允许远程未经身份验证的攻击者在受影响的安装环境中创建拒绝服务条件。
漏洞利用方式
安全公司Tenable在2025年8月发现并报告了这三个漏洞。据其介绍,攻击者可以通过向MsgReceiver.exe组件发送"0x0a8d"("SC_INSTALL_HANDLER_REQUEST")消息来利用CVE-2025-69258,导致攻击者控制的DLL被加载到二进制文件中,从而以提升的权限执行代码。
同样,CVE-2025-69259和CVE-2025-69260也可以通过向监听默认TCP端口20001的MsgReceiver.exe进程发送特制消息"0x1b5b"("SC_CMD_CGI_LOG_REQUEST")来触发。
影响范围和安全建议
这些问题影响Build 7190以下的Apex Central本地部署版本。趋势科技指出,成功利用漏洞需要攻击者已经拥有对易受攻击端点的物理或远程访问权限。
公司建议:"除了及时应用补丁和更新解决方案外,还建议客户审查对关键系统的远程访问,确保策略和边界安全是最新的。"
Q&A
Q1:CVE-2025-69258漏洞有多严重?
A:CVE-2025-69258是一个非常严重的漏洞,CVSS评分高达9.8分(满分10分)。这是一个LoadLibraryEX远程代码执行漏洞,允许未经身份验证的远程攻击者将恶意DLL加载到关键可执行文件中,从而以SYSTEM权限执行攻击代码。
Q2:哪些版本的Apex Central受到这些漏洞影响?
A:这些漏洞影响Build 7190以下的所有Apex Central Windows本地部署版本。用户需要升级到Build 7190或更高版本来修复这些安全漏洞。
Q3:攻击者如何利用这些趋势科技漏洞?
A:攻击者可以向MsgReceiver.exe组件发送特制消息来利用漏洞。对于CVE-2025-69258,发送"0x0a8d"消息可实现代码执行;对于CVE-2025-69259和CVE-2025-69260,发送"0x1b5b"消息到TCP端口20001可造成拒绝服务攻击。
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。