飞傲NAS用户紧急提示：fnOS系统升级遇新病毒变种
2月2日，飞牛fnOS系统被曝存在重大安全漏洞，引发了行业内外和用户的广泛关注。
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 👈
针对这一情况，飞牛安全应急响应团队于今日发布了紧急安全通告。通告指出，在昨日推送1.1.18版本安全更新后，大规模入侵行为已得到初步遏制。
然而，攻击者也针对系统的OTA升级机制展开了对抗性行动。在最新的查杀更新发布后，黑客组织的活动明显变得活跃，病毒已出现新的变种。部分受感染设备的系统更新服务遭到恶意破坏，导致无法正常接收修复补丁。
与此同时，官方、社区及最新域名等也持续遭受不同程度的DDOS攻击。
此次组合攻击呈现出高度的组织化和针对性特征。攻击方正根据防御动态持续调整策略。
对于更新服务已损坏且未能完成升级的受感染设备，存在被持续控制的重大风险。
为降低设备风险，飞牛官方提供了以下修复建议。用户可根据自身情况，选择合适的处理方式，尽快升级到最新安全系统。
针对无法通过OTA升级的设备
建议从官方渠道下载1.1.18完整系统镜像进行重装。目前，该系统镜像已上架。
fnOS采用存算分离架构设计，重装仅替换系统分区，存储池数据可完全保留。
重装后重新挂载即可恢复数据访问，存储空间不受该安全事件影响。此方案可以有效解决当前风险。
针对已经更新或者遇到异常情况的设备
目前官方提供了最新的紧急验证查杀脚本，用户可自行运行验证。
该脚本连接云端病毒库，可识别并清除已发现的变种病毒。其规则也会随病毒特征变化而实时更新。
针对暂时无条件进行更新或者重装的设备
建议立即断开设备的公网连接或关机，防止设备成为僵尸网络节点或遭受进一步破坏。
针对已经完成更新，但是功能使用出现异常的设备
建议进入系统设置，使用系统修复功能进行处理。该工具会强制校验并修复关键系统文件，恢复设备正常使用。
此外，飞牛官方最新表示，注意到存在第三方人员恶意利用已公开漏洞，对未升级设备实施入侵的情况。
此类行为已涉嫌破坏计算机信息系统罪，公安机关和国家通信部门已介入此类案件调查并固定相关证据，将移交公安机网络安全部门处理。
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