article_id: bmc_ipmi_2026_lights_out

title_zh: 服务器「带外管理」入口沦陷：8.6 万台 BMC 暴露在公网，过半含严重漏洞

source: Ars Technica / runZero 研究 / Black Hat 2026

published_at: 2026-08-07

—

在 2026 年 Black Hat 安全大会上，runZero 创始人兼 CEO、固件安全专家 HD Moore 公布了最新研究「Lights Out: BMCs Are Still Broken and Now We Have the Receipts」。研究显示，全球联网服务器上负责「带外管理」的基板管理控制器（BMC）子系统，多年来反复出现的漏洞至今未能根除，新发现的十余个严重缺陷更让数据中心的攻击面进一步扩大。

BMC 是嵌入企业服务器主板的微型计算机，拥有独立固件、独立 IP 地址与独立网络协议栈，即便主服务器关机或操作系统崩溃，管理员仍可通过它远程重启、安装补丁、监控硬件温度与电压。这种「带外管理」机制在云数据中心、GPU 集群、电信机房等场景中已成为运维标配。然而一旦被攻击者拿下，攻击者便能在主系统之外建立持久性访问权限——即使管理员重装操作系统也无法清除，因为控制权在 BMC 这块独立芯片上。

Moore 的研究横跨 HPE iLO、Supermicro IPMI、Dell iDRAC、AMI MegaRAC、OpenBMC（被华为、英伟达、华三等广泛衍生采用）、Raritan、Fujitsu 等主流实现，核心问题仍集中于 1990 年代设计的 IPMI 2.0 协议。该协议在身份认证握手机制上存在架构性缺陷，攻击者可篡改规定的握手消息序列绕过认证，或无需完成登录即可获取管理员密码哈希，在离线环境实施暴力破解。

为量化真实暴露面，Moore 主导了两轮大规模扫描：第一轮针对公网可访问的 BMC，识别出超过 86,000 台暴露设备，其中超过 54% 存在一个或多个严重漏洞；约 75,000 台设备仍受 2013 年公开的 CVE-2013-4786 漏洞影响——该漏洞允许未认证攻击者直接获取 IPMI 2.0 管理员账户的密码哈希。第二轮扫描覆盖企业内网 126,761 台 BMC，发现近 29% 存在严重漏洞。Moore 在演讲准备阶段仍在持续发现新漏洞，因此未能给出最终统计数字。

问题之所以长期得不到根治，根本原因在于三条叠加因素：其一，BMC 协议层缺陷源自协议设计本身，部分漏洞无法通过厂商补丁完全修复，必须调整网络架构来缓解；其二，多数企业仍将 BMC 视为「内网基础设施」，长期疏于公网暴露面管理；其三，BMC 通信通道独立于主操作系统，主流入侵检测、终端防护、日志审计系统对它的监控覆盖率极低，攻击行为很难被察觉。

runZero 在官方研究页中给出的临时缓解方案包括：密切跟踪各 BMC 厂商的安全公告并建立固件补丁流程；将 BMC 管理接口严格隔离在受信 IP 地址或内部子网之内；若无法完全隔离，至少应通过 VPN 或专用管理网络接入，并启用增强监控。对于 AI 数据中心、GPU 云服务商等大规模部署场景，由于成千上万台高价值服务器共享同一管理平面，一旦单台 BMC 沦陷便可能造成跨租户的横向渗透与持久性入侵，研究者建议尽快开展暴露面普查。

来源：Ars Technica 报道、runZero Lights Out BMC 研究、HD Moore 在 Black Hat 2026 与 DEF CON 34 的演讲

实验设计

Kettle 从 2025 年 9 月开始，使用 Anthropic 和 OpenAI 当时最新的模型进行实验。他最初希望探索 AI 的理论安全研究能力，但很快发现一个障碍：系统倾向于把已有研究包装成原创发现，返回的内容极其冷门、难以核实。于是他将测试范围收窄到自己精通的 Web 安全领域——这样他对材料有完全掌控，AI 无法糊弄他。他还将自己的研究方法论整理成训练数据喂给模型，以探测系统到底能在多大程度上自行外推。

意外发现：共享解析器混淆

实验中最具长期价值的发现是一种被命名为”共享解析器混淆”（Shared-Parser Confusion）的全新漏洞类别。其核心逻辑是：Web 服务器通常用同一套代码同时处理请求和响应，而请求是完全不可信的（可能包含任何内容），响应则是可信的。这意味着如果攻击者能让服务器把响应解析逻辑误用到请求上，就打开了一个巨大的攻击面。

这个假设并非 AI 独立证明的——它分析了若干已确认的真实漏洞后提出，由 Kettle 本人评估并确认。但他强调，即使给他文档中的单行提示，他自己也不会注意到这个模式；是人与 AI 的协作让这一发现成为可能。

人机协作的真实效率

随着实验推进和更强模型的发布，AI 产出研究线索的速度远超 Kettle 自己，形成了一个高效的研究反馈循环。”大概每两天就会有一个值得注意的新发现，甚至我都不用登录系统去看，”Kettle 说，”线索多到让我产生 FOMO（错失恐惧），迫使我把更多分析工作自动化。”

他在几个月内发现的已确认漏洞数量，靠自己可能需要数年才能达到。

结论

Kettle 的最终判断是：AI 在完全自主地构思新攻击路径方面的能力”或许刚刚起步，但极其有限”。然而，在关键节点配合人类指导和洞察力时，AI 是概念化和发掘新黑客策略的极强搭档。对于防御方而言，同样的逻辑同样适用——完全自动化的攻击循环要求真正全自动化的防御体系，而整个行业尚未到达那一步。

来源：WIRED / James Kettle（Black Hat 2026）