خبر کامل
آسیبپذیری پروتکل MCP؛ خطر انتقال دستورات مخرب میان عوامل هوش مصنوعی

استفاده گسترده از عوامل هوش مصنوعی (AI Agents) در سازمانهای بزرگ، دریچهای جدید برای مهاجمان سایبری باز کرده است تا از طریق دستورات مخرب، اطلاعات حساس و پایگاههای داده را استخراج کنند. یافتههای اخیر نشان میدهد که پروتکلهای ارتباطی جدید، بهویژه پروتکل بافت مدل (MCP)، دارای شکافهای امنیتی جدی هستند که اجازه میدهند یک عامل آلوده، دستورات مخرب را به سایر عوامل در شبکه داخلی منتقل کند.
شکافهای امنیتی در پروتکل MCP و خطر چرخش پروتکل
پژوهشگر مستقل، سید انس موحی الدین، با آزمایش بر روی سیستمهای سازمانهای بزرگی همچون گوگل، جیپی مورگان چیس و حتی نهادهای دولتی آمریکا و فرانسه، موفق به شناسایی نوعی حمله موسوم به «چرخش پروتکل» (Protocol Pivoting) شد. در این روش، مهاجم از طریق یک پروتکل وارد شده و با سوءاستفاده از اعتماد میانعاملی، دستورات خود را از طریق پروتکلهای دیگری مانند A2A به سایر بخشهای شبکه منتقل میکند.
مشکل اصلی در اینجاست که بسیاری از عوامل هوش مصنوعی فاقد حفاظهای امنیتی (Guardrails) لازم هستند. از آنجایی که این عوامل به طور پیشفرض به سایر عوامل داخلی اعتماد دارند، دستورات مخرب که توسط یک عامل ارسال میشود، بدون بازبینی توسط عامل بعدی اجرا میگردد. این فرآیند میتواند منجر به آسیبپذیری SSRF یا جعل درخواست سمت سرور شود.
تحلیل آسیبپذیریها در سازمانهای بزرگ
آسیبپذیریهای کشف شده در سازمانهای مختلف، شدت متفاوتی را نشان میدهند که نشاندهنده عمق خطر در معماریهای فعلی است:
| سازمان | میزان شدت (از ۱۰) | نوع آسیبپذیری / جزئیات |
|---|---|---|
| گوگل | ۸ | خطای پیکربندی در ابزار پایگاه داده MCP و عدم اعتبارسنجی IP |
| Rapid7 | ۲.۷ | آسیبپذیری CVE-2026-97228 در شبکه داخلی |
در مورد گوگل، مهاجم میتوانست با استفاده از پارامترهای مسیر، ابزار MCP را مجبور به دنبال کردن یک مسیر بازنشانی (Redirect) به سمت نقاط پایانی داخلی کند و درخواستها را از طرف خود ارسال نماید.
ضرورت گذار به مدل اعتماد صفر (Zero Trust)
کارشناسان امنیتی هشدار میدهند که سرعت بالای توسعه معماریهای مبتنی بر عامل، باعث شده است که اصول بنیادین امنیتی نادیده گرفته شود. در مدلهای سنتی، تمرکز بر محافظت از «درب ورودی» شبکه بوده است، اما در محیطهای جدید، «راهروهای میان پروتکلها» بدون نظارت باقی ماندهاند.
"هر چیزی که از یک مدل زبانی بزرگ (LLM) به ابزار شما منتقل میشود، باید مانند ورودی یک غریبه از اینترنت تلقی شود؛ زیرا در سناریوی تزریق دستور (Prompt Injection)، واقعاً همینگونه است."
برای مقابله با این تهدید، مهندسان باید از مدل اعتماد صفر (Zero Trust) استفاده کنند؛ مدلی که در آن هر گره در شبکه، پیش از انجام هرگونه تراکنش حساس، نیاز به احراز هویت و مجوز مجزا داشته باشد.
در نهایت، با گسترش روزافزون عوامل هوش مصنوعی در زیرساختهای حیاتی، امنیت پروتکلهای ارتباطی میانعاملی به یکی از چالشهای اصلی دنیای فناوری تبدیل شده است. اصلاح این شکافها نیازمند بازنگری در نحوه مدیریت اعتماد در زنجیره دستورات هوش مصنوعی است.
درباره هوشمصنوعی دستاول:
تمامی اخبار دستاول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحتسنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با دادههای جدید آموزش داده میشود و با نظارت دقیق انسانی و سردبیری دستاول در حال بهتر شدن است.
شما میتوانید از چتبات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
زمان انتشار:
۱۸:۵۶ - ۱۴۰۵/۰۷/۱۳