飞牛fnOS曝安全漏洞，NAS文件任意访问风险与官方修复方案
2月1日有消息称，此前V2EX等多个技术社区用户纷纷反映，飞牛fnOS操作系统被发现存在重大安全漏洞，攻击者能够通过特定路径访问NAS设备上的任意文件，包括各类系统配置文件以及用户的私人存储数据。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
今日凌晨，飞牛fnOS官方发布了紧急安全更新通知。通知指出，飞牛技术团队近期在进行安全巡检与用户反馈分析时，发现部分设备在公网环境下存在被异常访问的风险。
受影响的设备在提供网络服务的过程中，可能因外部异常流量而导致系统及部分应用的稳定性受到冲击。
针对该异常行为，官方已在第一时间推送了1.1.15版本安全更新，并向全体用户发出了升级通知，以阻断异常访问。
根据飞牛的深入分析，此次攻击行为明显针对fnOS系统，具有定向攻击属性，并采用了多维度的复合型攻击手法。
过去一周，技术团队已紧急排查大量异常设备，持续追踪相关攻击样本及其变种，并展开了深度分析。
目前，安全团队已完成对该攻击链条的逆向工程，并发布系统安全更新以阻断此类攻击行为。
飞牛建议用户，在对NAS设备开放公网访问权限时，应优先采用更安全的访问方式，例如通过加密隧道、启用双重验证（2FA）或开启防火墙等，以进一步降低潜在的安全风险。
对于这则公告，部分飞牛NAS用户表达了不同看法。有用户指出，面对因漏洞导致用户隐私可能泄露的严峻情况，飞牛并未在第一时间向用户预警，而是采用了一种“避重就轻”的沟通方式，用“异常访问”这类模糊词汇来描述事件，希望官方不要用这种“捂盖子”的方式来消磨用户的信任。
对此，飞牛方面回应称，安全漏洞正常的披露流程，通常需要在漏洞修复完成后进行披露。过去一周，团队一直在联系受异常访问影响的用户，同时进行攻击逆向分析，直到彻底修复之后，才能对外披露详情。
飞牛表示，漏洞的技术细节不能直接公开公布，否则可能被有心人利用，带来更高的风险。
资料显示，飞牛fnOS是一款基于Debian Linux内核深度开发的国产免费NAS操作系统，个人用户可将闲置的NAS或PC设备转变为私有云存储。
相关攻略
2月11日消息，日前，国产NAS系统开发商飞牛宣布，fnOSARM架构公测版正式发布。这意味着fnOS将不再局限于x86平台，ARM版基于Debian开发，机顶盒、ARM开发板、ARM架构NAS硬件
2月2日消息，日前，飞牛fnOS被曝出现重大安全漏洞引发业内和用户关注。今日，飞牛安全应急响应团队发布紧急安全通告，称昨日发布1 1 18安全更新后，大规模入侵行为已初步遏制。但攻击者针对OTA升级
2月1日消息，日前，V2EX等多个社区用户反馈称，飞牛fnOS出现重大安全漏洞，可通过路径穿越访问NAS上任意文件，包括系统配置和用户存储文件。今天凌晨，飞牛fnOS最新发布重要安全更新通知，称飞牛
1 月 8 日消息，此芯科技与国产 NAS 系统开发商飞牛共同宣布，飞牛 fnOS 已完成基于此芯 P1 国产 Armv9 12 核平台的系统适配，并在 Linux 6 12 6 18 LTS 内
12 月 16 日消息，在软路由和开源固件领域，开发者 Lean（常被开源社区称为“大雕”）因其维护的 OpenWrt 分支而广为人知，目前已经转向飞牛 FnOS 领域。根据 Lean 在 QQ
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭