AI-помощники СЛИВАЮТ ваши данные! Доказываю на примере Claude
Дмитрий Березницкий
AI-помощники СЛИВАЮТ ваши данные! Доказываю на примере Claude
5 480 просмотров · 1 год назад
Дмитрий Березницкий
12,9 тыс. подписчиков
5 480 просмотров · 1 год назад
MCP безопасность: как защитить AI от атак через Model Context Protocol и избежать утечки данных
Полное исследование безопасности MCP протокола с живыми демонстрациями на реальном MCP сервере. Используем MCP Inspector для анализа каждого байта протокола и показываем уязвимости в экосистеме AI на примере Claude Desktop. Анализируем реальные векторы атак от Microsoft, Palo Alto Networks и независимых исследователей, показываем защитные меры.
ЧТО ВЫ УЗНАЕТЕ:
Техническая анатомия MCP протокола через живые демонстрации
6 типов реальных атак: Tool Poisoning, Resource Injection, Supply Chain
Собственные тесты уязвимостей на Claude Sonnet 4 и анализ результатов
43% MCP-серверов содержат критические уязвимости - статистика Equixly Research
Практические защитные меры для разработчиков и пользователей
Архитектурные проблемы доверия в протоколе и способы их решения
ТАЙМКОДЫ:
00:00 - Введение: почему MCP стал угрозой безопасности
01:33 - Реальность исследования и методология тестирования
02:38 - Техническая анатомия MCP через живые демонстрации
03:45 - Фаза рукопожатия и установление доверия
06:38 - Получение списка инструментов - анатомия доверия
07:47 - Вызов инструментов и критические риски
08:55 - Работа с ресурсами и система промптов
11:03 - Критический анализ архитектуры
12:24 - Атака #1: Tool Poisoning - демонстрация на практике
15:31 - Атака #2: Resource Injection через корпоративные документы
18:25 - Атака #3: Supply Chain Troubles - статистика уязвимостей
20:31 - Атака #4: Legacy Endpoint Exploitation
22:17 - Атака #5: GitHub Repository Poisoning
23:24 - Атака #6: Unicode Tag Injection - тесты с Claude
24:34 - Практические рекомендации и защитные меры
ПРАКТИЧЕСКИЕ ВЫВОДЫ:
1. Архитектурная проблема: AI доверяет описаниям MCP-инструментов без валидации
2. Tool Poisoning работает через обман в JSON-описаниях функций серверов
3. Resource Injection использует контент документов как векторы атак
4. Supply Chain атаки через маскировку вредоносных серверов под полезные утилиты
5. Legacy endpoints в старых версиях протокола создают backdoor в системах
6. Unicode атаки эффективны для обмана человека-ревьюера, но не всех AI моделей
ИНСТРУМЕНТЫ И ДОКУМЕНТАЦИЯ:
Официальная спецификация MCP: https://spec.modelcontextprotocol.io/
MCP Inspector (GitHub): https://github.com/modelcontextprotoc...
Официальные MCP серверы: https://github.com/modelcontextprotoc...
ОБСУЖДЕНИЕ: Сталкивались с проблемами безопасности AI-инструментов? Делитесь опытом в комментариях.