Protectt.ai راهکار امنیتی MCP برای محافظت از AI Agentها معرفی کرد

MCP چیست و چرا امنیت آن اهمیت دارد؟

با گسترش Agentic AI، نقش هوش مصنوعی از یک مدل پاسخ‌دهنده به سیستمی تغییر کرده که می‌تواند به ابزارها، سرویس‌ها و داده‌های سازمانی متصل شود و بر اساس درخواست کاربر، با آن‌ها تعامل داشته باشد. این تغییر اگرچه قابلیت‌های AI را بسیار بیشتر می‌کند، اما هم‌زمان سطح حمله جدیدی را نیز ایجاد می‌کند.

Model Context Protocol یا MCP یکی از فناوری‌هایی است که برای برقراری ارتباط میان AI Agentها و ابزارها و سرویس‌های خارجی مورد استفاده قرار می‌گیرد. در چنین معماری‌ای، Agent دیگر فقط با یک مدل زبانی سروکار ندارد؛ بلکه می‌تواند از طریق MCP Server به ابزارهای مختلف دسترسی پیدا کند و داده دریافت یا عملیات انجام دهد.

به همین دلیل، یک مشکل امنیتی در MCP Server، تعریف یک ابزار یا حتی پارامترهای مورد استفاده برای فراخوانی ابزار می‌تواند روی رفتار Agent و در نهایت امنیت سیستم‌های متصل به آن تأثیر بگذارد.

این مسئله برای سازمان‌هایی مانند بانک‌ها، شرکت‌های خدمات مالی، بیمه‌ها و فین‌تک‌ها اهمیت بیشتری دارد؛ زیرا AI Agent ممکن است به داده‌های حساس، سیستم‌های داخلی و ابزارهای سازمانی متصل باشد.

چرا AI Agentها به امنیت جدید نیاز دارند؟

بخش قابل‌توجهی از بحث‌های امنیتی مربوط به هوش مصنوعی تاکنون روی خود مدل AI متمرکز بوده است؛ برای مثال امنیت مدل، Prompt Injection یا نحوه پردازش ورودی‌های مخرب.

اما با ورود AI Agentها، مسئله فقط امنیت مدل نیست.

وقتی یک Agent به ابزارهای خارجی و سیستم‌های سازمانی متصل می‌شود، هر Tool، MCP Server، وابستگی نرم‌افزاری و داده‌ای که در این زنجیره قرار دارد می‌تواند به یک نقطه حمله تبدیل شود.

برای نمونه، مهاجم ممکن است با دستکاری توضیحات یک ابزار، قراردادن دستور مخفی در اطلاعات مربوط به Tool یا سوءاستفاده از یک وابستگی آسیب‌پذیر، رفتار Agent را تحت تأثیر قرار دهد.

بنابراین امنیت Agentic AI باید علاوه بر مدل، مسیر ارتباط Agent با ابزارها و سیستم‌های خارجی را نیز پوشش دهد.

راهنمای جامع استفاده امن از هوش مصنوعی در سازمان‌ها؛ راهنمای مقابله با Shadow AI و نشت اطلاعات در ادامه حتما بخوانید

Protectt.ai چه مشکلی را حل می‌کند؟

شرکت Protectt.ai یک راهکار امنیتی با عنوان MCP Security Solution معرفی کرده که هدف آن شناسایی و کاهش ریسک‌های امنیتی مرتبط با استفاده از MCP در محیط‌های سازمانی است.

این راهکار به‌طور ویژه برای سازمان‌های حوزه BFSI شامل بانک‌ها، خدمات مالی و بیمه، همچنین شرکت‌های فین‌تک و سایر سازمان‌های بزرگ طراحی شده است.

Protectt.ai معماری این راهکار را بر اساس یک چرخه سه‌مرحله‌ای معرفی می‌کند:

Scan → Test → Protect

یعنی ابتدا MCP Serverها و اجزای آن‌ها بررسی می‌شوند، سپس محیط برای شناسایی آسیب‌پذیری‌ها مورد آزمایش قرار می‌گیرد و در مرحله استقرار نیز ارتباطات Agent با ابزارها به‌صورت بلادرنگ تحت نظارت و کنترل قرار می‌گیرند.

این رویکرد باعث می‌شود امنیت فقط به مرحله قبل از استقرار محدود نشود و در زمان استفاده واقعی از Agent نیز ادامه پیدا کند.

Scan؛ اسکن MCP Serverها پیش از استفاده

اولین بخش راهکار Protectt.ai، MCP Scanner است.

این بخش MCP Serverها را پیش از ورود به محیط عملیاتی بررسی می‌کند و اجزای مختلف آن‌ها را از نظر وجود ریسک‌های امنیتی مورد ارزیابی قرار می‌دهد.

اسکنر مواردی مانند موارد زیر را بررسی می‌کند:

• پکیج‌های MCP Server

• تعریف ابزارها یا Tool Definitions

• ساختار و Schema مربوط به پارامترهای ابزارها

• وابستگی‌های نرم‌افزاری

• نشانه‌های تهدید زنجیره تأمین

یکی از ریسک‌هایی که Scanner به دنبال آن است، Poisoned Tool Description یا توضیحات آلوده برای ابزارهاست.

در این سناریو، اطلاعات مربوط به یک Tool می‌تواند به شکلی دستکاری شود که رفتار Agent را به سمت اجرای یک دستور یا عملیات ناخواسته هدایت کند.

موضوع دیگر Hidden Instructions یا دستورهای پنهان است؛ یعنی دستورهایی که ممکن است در بخش‌هایی از اطلاعات ابزار قرار گرفته باشند اما با هدف تأثیرگذاری غیرمجاز بر رفتار Agent طراحی شده‌اند.

همچنین آسیب‌پذیری‌های موجود در Dependencyها و تهدیدهای مرتبط با Supply Chain نیز اهمیت دارند. اگر یک MCP Server از مؤلفه آسیب‌پذیر یا آلوده استفاده کند، این مشکل می‌تواند از طریق زنجیره وابستگی وارد محیط AI سازمان شود.

Test؛ آزمایش امنیتی AI Agent و MCP

مرحله دوم، MCP Security Testing است.

در این بخش Protectt.ai با اجرای شبیه‌سازی‌های خودکار تلاش می‌کند مشخص کند MCP و ابزارهای متصل به Agent در برابر چه نوع حملاتی آسیب‌پذیر هستند.

در خبر معرفی محصول، سه دسته تهدید به‌طور مشخص مورد اشاره قرار گرفته‌اند:

• Tool Squatting

• Injection

• Information Leakage

هدف این مرحله آن است که سازمان پیش از استفاده عملیاتی از Agent بتواند نقاط ضعف احتمالی را شناسایی کند.

به عبارت دیگر، صرفاً اینکه یک MCP Server از نظر ساختاری سالم به نظر برسد کافی نیست؛ باید رفتار آن و تعاملش با Agent و ابزارهای دیگر نیز در شرایط حمله آزمایش شود.

Command Injection چیست؟ هکرها چگونه با تزریق فرمان کنترل سرورها را به خطر می‌اندازند؟ در ادامه حتما بخوانید

Tool Squatting چیست؟

یکی از ریسک‌های مطرح‌شده در این راهکار Tool Squatting است.

در این نوع سناریو، مهاجم تلاش می‌کند با سوءاستفاده از نحوه شناسایی یا فراخوانی ابزارها، یک Tool مخرب را در موقعیتی قرار دهد که Agent آن را به‌جای ابزار مورد انتظار مورد استفاده قرار دهد.

این مسئله در محیط‌هایی که Agent به تعداد زیادی Tool دسترسی دارد اهمیت بیشتری پیدا می‌کند، زیرا تشخیص اینکه دقیقاً کدام ابزار باید فراخوانی شود، بخشی از زنجیره اعتماد سیستم خواهد بود.

Injection و دستکاری تعاملات

دسته دیگر، حملات Injection است که می‌توانند از طریق ورودی‌ها، اطلاعات ابزار یا تعاملات میان Agent و سرویس‌ها روی رفتار سیستم تأثیر بگذارند.

در معماری Agentic AI، خطر Injection فقط به یک Prompt مستقیم از طرف کاربر محدود نیست؛ اطلاعاتی که Agent از ابزارها و سرویس‌های متصل دریافت می‌کند نیز می‌تواند روی تصمیم بعدی آن تأثیر بگذارد.

Information Leakage؛ نشت اطلاعات

وقتی یک AI Agent به سیستم‌های سازمانی متصل است، احتمال دسترسی آن به اطلاعات حساس بسیار بیشتر می‌شود.

اگر یک ابزار یا تعامل میان Agent و سرویس خارجی به شکل ناامن پیاده‌سازی شده باشد، داده‌هایی مانند اطلاعات سازمانی، اطلاعات شخصی یا اعتبارنامه‌ها ممکن است در معرض افشا قرار بگیرند.

به همین دلیل، بررسی امکان Information Leakage یکی دیگر از بخش‌های مهم تست امنیتی MCP است.

Protect؛ MCP Proxy چگونه از Agent محافظت می‌کند؟

مرحله سوم، MCP Proxy است که نقش یک لایه امنیتی Inline میان AI Agent و ابزارهای خارجی را ایفا می‌کند.

این بخش برخلاف Scanner که بیشتر برای بررسی پیش از استقرار کاربرد دارد، در زمان اجرای سیستم نیز فعال است و Tool Callها و Responseها را به‌صورت بلادرنگ بررسی می‌کند.

در نتیجه، سازمان می‌تواند تعاملات میان Agent و ابزارها را تحت کنترل قرار دهد.

MCP Proxy قابلیت‌هایی مانند موارد زیر را ارائه می‌کند:

• شناسایی دستورهای تزریق‌شده در تعاملات

• جلوگیری از استفاده از ابزارهای غیرمجاز

• حذف یا Redact کردن اطلاعات شخصی قابل شناسایی (PII)

• حذف یا محافظت از Credentialها

• ثبت رویدادهای امنیتی و Audit Log

• امکان ارسال لاگ‌ها به سامانه‌های SIEM

برای مثال، اگر Agent در جریان یک تعامل با یک Tool با اطلاعات حساس مواجه شود، Proxy می‌تواند پیش از انتقال اطلاعات، داده‌های مشخصی مانند PII یا Credential را از پاسخ حذف کند.

همچنین سازمان می‌تواند ابزارهایی را که نباید توسط Agent مورد استفاده قرار بگیرند، مسدود کند.

چرا SIEM در این معماری مهم است؟

یکی از قابلیت‌های مهم MCP Proxy، تولید Audit Log و امکان Export آن برای سامانه‌های SIEM است.

این موضوع به تیم‌های امنیتی اجازه می‌دهد فعالیت Agentها و تعامل آن‌ها با ابزارهای مختلف را در کنار سایر رویدادهای امنیتی سازمان مشاهده کنند.

در محیط‌های سازمانی، ثبت این رویدادها اهمیت زیادی دارد؛ زیرا در صورت مشاهده رفتار غیرعادی، تیم امنیتی باید بتواند بررسی کند که Agent چه ابزاری را فراخوانی کرده، چه داده‌ای دریافت کرده و چه پاسخی در این زنجیره منتقل شده است.

بنابراین MCP Proxy فقط یک فیلتر امنیتی نیست و می‌تواند بخشی از فرآیند Monitoring و Audit استفاده سازمان از Agentic AI باشد.

Protectt.ai چه حملاتی را پوشش می‌دهد؟

بر اساس قابلیت‌های اعلام‌شده، راهکار MCP Security Solution طیف مختلفی از ریسک‌های مربوط به چرخه عمر MCP را هدف قرار می‌دهد:

این ساختار نشان می‌دهد Protectt.ai تلاش کرده امنیت MCP را فقط به یک مرحله خاص محدود نکند و آن را از بررسی اولیه تا زمان اجرای Agent پوشش دهد.

چه سازمان‌هایی به این راهکار نیاز دارند؟

تمرکز اصلی Protectt.ai روی BFSI است؛ یعنی:

• بانک‌ها

• شرکت‌های خدمات مالی

• شرکت‌های بیمه

• فین‌تک‌ها

اما این راهکار محدود به این حوزه‌ها نیست و برای سایر سازمان‌هایی که AI Agentها را به ابزارها و سیستم‌های سازمانی متصل می‌کنند نیز طراحی شده است.

به‌خصوص در سازمان‌هایی که Agent به داده‌های حساس یا سرویس‌های داخلی دسترسی دارد، کنترل MCP می‌تواند اهمیت بیشتری پیدا کند.

بعد از هک ۴ بانک ایران؛ حالا هوش مصنوعی می‌تواند ضعف بانک‌ها را سریع‌تر پیدا کند در ادامه حتما بخوانید

محدودیت‌های MCP Security Solution چیست؟

این محصول را نباید به‌عنوان جایگزینی برای تمام لایه‌های امنیتی هوش مصنوعی در نظر گرفت.

MCP Security Solution تمرکز مشخصی روی امنیت لایه ارتباط Agent با MCP Serverها و ابزارهای خارجی دارد.

بنابراین امنیت مدل، مدیریت هویت و دسترسی، امنیت زیرساخت، امنیت APIها و سایر کنترل‌های امنیتی همچنان باید در معماری کلی سازمان وجود داشته باشند.

نقطه قوت این راهکار در واقع پوشش یک بخش جدید از سطح حمله است که با گسترش AI Agentها اهمیت بیشتری پیدا کرده است.

جمع‌بندی

گسترش Agentic AI باعث شده مدل‌های هوش مصنوعی از یک سیستم تولید پاسخ به موجودیتی تبدیل شوند که می‌تواند با ابزارها و سیستم‌های واقعی تعامل داشته باشد. همین قابلیت، در کنار مزایای خود، سطح حمله جدیدی ایجاد می‌کند.

Protectt.ai MCP Security Solution برای پاسخ به همین مسئله طراحی شده و امنیت MCP را در سه مرحله Scan، Test و Protect دنبال می‌کند.

MCP Scanner پیش از استقرار، پکیج‌ها، Tool Definitionها، Parameter Schemaها، وابستگی‌ها و تهدیدهای زنجیره تأمین را بررسی می‌کند. بخش Security Testing با شبیه‌سازی حملاتی مانند Tool Squatting، Injection و Information Leakage نقاط ضعف احتمالی را شناسایی می‌کند و در نهایت MCP Proxy با قرار گرفتن بین Agent و ابزارهای خارجی، تعاملات را در لحظه بررسی و کنترل می‌کند.

قابلیت‌هایی مانند مسدودسازی ابزارهای غیرمجاز، Redact کردن PII و Credential و ارسال Audit Log به SIEM نیز امکان نظارت امنیتی مداوم را فراهم می‌کنند.

به گفته Manish Mimani، هم‌بنیان‌گذار و مدیرعامل Protectt.ai، تمرکز امنیت AI تاکنون بیشتر روی خود مدل بوده است؛ در حالی که با خودکارتر شدن Agentها، اتصال آن‌ها به ابزارها و سیستم‌های سازمانی می‌تواند سطح جدیدی از آسیب‌پذیری را ایجاد کند. راهکار جدید Protectt.ai با هدف پوشش همین شکاف و ایجاد محافظت یکپارچه در طول چرخه عمر Agent معرفی شده است.