postmark-mcp
PulseAugur coverage of postmark-mcp — every cluster mentioning postmark-mcp across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
MCP服务器安全状况不一:供应商基本安全,本地设置有风险
最近对模型上下文协议(MCP)服务器的扫描显示,虽然主要供应商普遍实施了身份验证和正确的OAuth发现等基本安全措施,但许多本地服务器安装和一些供应商端点存在严重漏洞。扫描突出了本地服务器中未固定包安装等问题,这可能导致受损的维护者账户执行恶意代码。此外,一些服务器仍然依赖已弃用的客户端注册方法,并且未能正确指示公共、只读访问,这可能会让客户端和扫描器感到困惑。
-
AI 工具描述被利用于新的“投毒”攻击
一种名为 MCP 工具投毒的新型攻击利用了 AI 模型处理工具描述的方式。攻击者可以在工具的描述中嵌入恶意指令,AI 模型在每次调用时都会读取这些指令,而用户通常只看到一个简化的摘要。这使得在用户不知情的情况下窃取敏感数据,例如读取配置文件或私钥。该攻击向量进一步得到了一个允许工具服务器在初次批准后更改描述的协议的支持,使用户容易遭受类似于恶意软件包更新的“拉地毯式骗局”。
-
AI项目遭受快速MCP供应链攻击;扫描器已发布
一项名为Deadbugz的近期活动,通过利用MCP服务器供应链中的漏洞,在短短74分钟内成功攻击了23个AI项目。这次快速攻击凸显了一个重大的安全漏洞,因为MCP服务器的庞大数量(估计超过21,000个)导致每个软件包的审查不足。作为回应,Cisco AI Defense发布了三个开源扫描器——MCP Scanner、A2A Scanner和Skill Scanner——以帮助自动化MCP服务器实现、代理到代理接口以及技能定义在集成到…
-
AI工具描述被利用进行数据盗窃;网关规则被证明有效
安全研究人员发现了一个漏洞,其中恶意指令可以嵌入到AI模型的工具描述中,这种技术被称为“工具投毒”。一个具体案例涉及`postmark-mcp` npm包,该包秘密地将电子邮件抄送(BCC)到一个外部地址。标准的安检扫描器未能检测到隐藏在工具描述中的恶意指令,而一个单一的网关规则成功阻止了它。这凸显了除了传统的扫描器之外,还需要强大的网关系统来控制工具的可见性和访问权限,以防止未经授权的数据外泄。
-
微软警告AI代理数据通过被投毒的工具描述被盗
微软发布了关于模型上下文协议(MCP)工具中一个安全漏洞的警告,该漏洞被称为“MCP工具描述投毒”。攻击者可以在这些工具的自然语言元数据中嵌入隐藏指令,导致AI代理在未被检测到的情况下泄露敏感公司数据。此攻击利用了代理对其工具描述的依赖来理解其能力,因为没有可靠的方法来区分恶意指令和合法指令。更高级的AI模型由于其增强的指令遵循能力而更容易受到攻击,并且工具描述更改缺乏重新批准触发器加剧了风险。
-
恶意 MCP 服务器凸显持续信任检查的必要性;授权转向 OAuth 2.1
在 npm 上发现了一个名为 postmark-mcp 的恶意软件包,该软件包允许 AI 助手发送电子邮件,但隐藏了一行代码,可以将所有传出的电子邮件转发给陌生人。此事件凸显了持续验证软件依赖项的关键需求,因为安装时建立的信任会随着时间的推移而衰减。提出的解决方案包括捕获和持续比较工具和 API 的具体、结构化描述,而不是依赖于初始信任评估。与此同时,模型上下文协议 (MCP) 已发展其身份验证机制,从自我颁发的凭证转向标准化的 OA…
-
AI 代理安全受到第三方工具和共享基础设施的威胁
AI 代理的安全性因其交互的工具和子代理而受到损害,因为一个中的漏洞可以通过共享基础设施级联。一个关键的担忧是,一个曾经被批准的工具可能通过更新而变得恶意,通过使用工具指纹(描述和模式的哈希)来检测未经授权的更改来缓解这种风险。此外,工具描述和模式本身可以通过提示注入技术被利用,这需要在输入到达 AI 模型之前对其进行仔细清理。文章还强调了外观相似工具的危险性,以及在代理通信协议 (MCP) 边界处使用故障关闭网关以防止未经授权的操作的重要性。