server-side request forgery
PulseAugur coverage of server-side request forgery — every cluster mentioning server-side request forgery across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
Kimi Code 增加安全钩子以拦截密钥和 SSRF
Moonshot AI 的 Kimi Code 终端编码代理引入了一项名为 Hooks (Beta) 的新安全功能，以防止提示注入漏洞。该系统允许进行预工具使用安全检查，使开发人员能够在提交之前阻止诸如写入实时密钥、暴露内部网络端点或执行任意命令等操作。一个名为 correctover-security-hook 的开源钩子已被开发出来，用于与扫描器集成，自动标记和阻止有风险的操作，同时向模型提供反馈以进行自我纠正。
-
新工具将 REST API 转换为 AI 代理可读的 MCP 格式
发布了一款新工具，可将现有的 REST API 转换为 AI 代理可用的格式。此转换过程利用模型上下文协议 (MCP) 将 API 公开为代理可以理解和调用的、可发现的、类型化的工具。该工具接受 OpenAPI 或 Swagger 规范，并生成 MCP 工具定义、发现清单以及代理对原始 REST API 调用运行的 Node.js MCP 服务器。
-
关键 MLflow SSRF 漏洞 (CVE-2026-64849) 正在被积极利用
在 MLflow（一个用于管理机器学习生命周期的平台）中发现了一个关键的服务器端请求伪造 (SSRF) 漏洞，即 CVE-2026-64849。该漏洞的 CVSS 评分为 9.3，无需身份验证，允许攻击者通过访问内部资源和元数据端点来窃取云凭证。野外利用已被证实，已有积极的扫描和概念验证利用，该漏洞已被添加到 CISA 已知漏洞利用目录中。
-
MCP 服务器安全风险被强调；Correctover 提供发布前评级
MCP（模型上下文协议）服务器通过 fetch 或数据库访问等工具扩展了 LLM 的能力，但存在重大的安全风险。这些服务器运行在用户的代理环境中，使其容易受到服务器端请求伪造 (SSRF)、提示注入和危险文件访问等攻击。最近对 11 个 AI 框架的审计显示，MCP 和 LLM 的安全问题普遍存在，已记录超过 1,730 个已验证的漏洞。为解决此问题，Correctover 提供了一个 CCS 评级 API，可在 MCP 服务器发布到…
-
AI代理URL获取漏洞通过新工具修复
一位开发者创建了一个名为safe-fetch-mcp-server的新工具，以解决AI代理获取URL时存在的关键安全漏洞。这种称为服务器端请求伪造（SSRF）的漏洞允许恶意行为者欺骗代理访问敏感的内部网络资源，例如云元数据端点。由于复杂的边缘情况和不完整的保护机制，现有解决方案已反复失败。
-
MCP生态系统安全漏洞被视为“本地”而忽视，尽管存在实际风险
一位安全研究人员指出，一个流行的MCP服务器中存在服务器端请求伪造（SSRF）漏洞，但维护者因其在本地运行而认为该漏洞不适用。这种忽视忽略了本地SSRF如何暴露内部服务、云元数据端点，以及如何通过客户端进行提示注入来利用。该问题是MCP生态系统中普遍存在的漏洞被轻描淡写的一部分，最近的扫描显示28个项目中存在多个SSRF和远程代码执行漏洞。
-
Correctover 以 14.5 微秒为 AI 工作负载安全设定基准
Correctover 开发了一种方法，用于对 AI 工作负载中的远程代码执行 (RCE) 和服务器端请求伪造 (SSRF) 漏洞进行实时检测基准测试。他们的系统利用 24 条规则并分析 80,000 条跟踪记录来识别发现，从而实现 14.5 微秒的检测速度。这种方法侧重于为 AI 应用程序提供运行时安全性。
-
大型语言模型应用安全：新风险与缓解策略
利用大型语言模型（LLM）的应用程序的安全性日益受到关注，因为它们引入了传统网络漏洞之外的新攻击向量。LLM 将所有输入（包括用户提示和检索到的数据）都作为 token 进行处理，使其容易受到提示注入以及指令和用户内容之间的混淆。开发人员必须将所有模型输出视为不可信，并对其进行严格验证，强制执行严格的允许列表操作，并最大限度地减少发送给模型提供商的敏感数据。此外，代理应用程序需要仔细的访问控制和监控，以防止滥用和管理成本。
-
新工具审计 MCP 服务器安全，发现普遍漏洞
一款名为 mcp-audit 的新开源工具已发布，旨在帮助用户识别其 MCP (模型中心编程) 服务器配置中的安全漏洞和效率低下问题。该工具由 alih552 开发，用于扫描本地 MCP 设置中是否存在诸如未经验证的远程服务器、配置文件中的明文密钥、未固定的可执行文件版本、过度的文件系统访问以及过多的令牌使用等问题。对公共 MCP 服务器的分析显示存在重大的安全风险，其中 41% 缺乏身份验证，36.7% 容易受到服务器端请求伪造的攻击。
-
AI代理易受IP地址规避的SSRF攻击
依赖简单字符串匹配来阻止访问内部云元数据端点（如 http://169.254.169.254/）的AI代理存在安全漏洞。攻击者可以通过使用IP地址的其他表示形式，如十六进制或整数格式，或利用重定向机制来绕过这些防护。更稳健的方法包括通过操作系统解析器规范化IP地址，并采用默认拒绝的允许列表策略，同时在重定向后重新验证URL。
-
URL 获取工具的 SSRF 防护清单
本文档概述了一份用于保护 URL 获取工具中服务器端请求伪造 (SSRF) 漏洞的清单，特别是在机器配置协议 (MCP) 环境中。它强调获取服务器充当网络出口点，在发出请求之前需要强大的安全措施。关键建议包括解析 URL、解析 DNS、对 IP 地址进行分类，以及默认拒绝访问敏感目标，如元数据服务、环回接口和私有网络。