研究人员在模型上下文协议(MCP)中发现了一个安全漏洞,受损的上游服务可以将伪造的数据注入到工具调用收据中。这种攻击利用了那些在签名之前不递归剥离保留字段的代理,导致了经过加密证明的恶意数据。为解决此问题,建议采用特定的操作顺序——剥离、规范化、哈希,然后签名——并且已经开发了一个轻量级的7.5KB linter工具来检测MCP响应中的这些漏洞。 AI
影响 该工具通过防止工具调用收据中的伪造数据来帮助保护AI系统,这对于可靠的AI代理交互至关重要。
排序理由 该项目描述了一个新的、独立的linter工具,用于检测特定的安全漏洞。
- ccs-lint
- Ed25519
- JSON-RPC
- MCP
- Model Context Protocol
- RFC 8785: JSON Canonicalization Scheme (JCS)
- SHA-256
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →