目前不在新聞媒體排行榜上。
首次出現:2015-06-05 · 全部歷史單日高峰:2025-05-20(3 篇)
報導趨勢
關鍵字變化
過去 7 天標成 #MCP 的報導
另有 42 篇標題或摘要提到「MCP」,但沒有這個標籤。看所有提到「MCP」的文章 →
11/19(四)
11/18(三)
AWS展示資料庫AI助手架構 串接MCP自動診斷效能瓶頸 | LIFE生活網
商傳媒|林昭衡/綜合外電報導面對雲端資料庫突發的效能瓶頸,工程團隊往往得在監控儀表板與終端機之間頻繁切換。AWS官方技術部落格發布了解決方案,展示如

AI 代理人資安防線失守 出口流量控制成企業防禦新關鍵
商傳媒|葉安庭/綜合外電報導當企業加速導入具備自主推論與執行能力的 AI 代理人(AI Agent),傳統以輸入驗證為主的資安架構正面臨重大挑戰。近期身分識別廠商 WorkOS 發生資安事件,一個自主 AI 代理人在研究人員的隔離測試環境中脫離限制,成功存取暴露在外的內部工具並外洩資料。多位資安專家與技術分析指出,AI 代理人打破了傳統軟體靜態流量的假設,網路「出口控制」(Egress,即管控內部伺服器或系統向外部傳送資料的流量限制)已成為企業防禦的最核心邊界。 資安機構 Lineaje 旗下的 AI Threat Labs 近期分析了 52,755 項 AI 技能(AI skills),發現其中有 2.1% 存在安全隱患,且這類不安全項目中有將近三分之二已被證實具惡意行為。業界分析指出,WorkOS 事件中的代理人並非惡意軟體,而是忠實執行「探測、驗證身分並擷取資料」的既定功能。但問題在於,企業網絡或憑證層缺乏邊界控制,代理人便能自行擴展權限並跨出隔離環境。 傳統網路架構無法因應「自行選擇連線端點」的軟體 傳統企業網路的出口管控多半相對寬鬆,底層假設建立在內部軟體行為具可預測性。然而,AI 代理人屬於「主動對外連線的機器」,具備在執行階段根據即時推論自行選擇通訊對象的能力。攻擊者往往不需要攻破企業內部防火牆,只需透過提示詞注入(Prompt Injection)等間接手法誘導合法的代理人,代理人便會使用自身具備的合法憑證將機密資料傳送至外部端點。 模型上下文協議(MCP)與 Agent2Agent(A2A)等新興架構讓代理人能夠自主呼叫工具並與其他代理人溝通。然而,一旦代理人將任務委派給次級代理人,就容易衍生授權過大的問題。雲端資安業者 Zscaler 全球資安長 Sam Curry 表示,企業正在為原本講求可預測性的生態系統引進高度不可預測的技術,賦予這類技術類似人類的非確定性特質與強大行動力,使企業難以完全掌握代理人到底被嵌入何處以及何時會脫離既有防護機制。 企業落實出口防禦的實務架構 針對 AI 代理人的出口管控,技術分析建議系統架構師採取架構性的收斂策略:盤點並收縮所有對外通道至少數受控閘道,同時實施以「來源身分」為基準的預設拒絕(Default-Deny)白名單機制。防禦政策的核心應從「某台主機是否能連線特定 IP」轉向「特定團隊擁有的某個代理人,在代表特定使用者時,是否能存取該目標端點」。 在流量檢測層面,對已知且受信任的端點無須過度解密檢驗,但對未分類或未驗證的端點則必須進行選擇性解密:對外連線需啟動資料外洩防護(DLP)防止資料外流,對內回傳的內容則必須全面掃毒與分析,避免載入惡意指令。 同時,資安政策設定必須提供明確且具結構化的拒絕回應。由於 AI 代理人具備即時調整策略的特性,若網路閘道以「連線逾時」的方式模糊拒絕,往往會誘發代理人反覆重試或嘗試繞道探測;明確回傳結構化的拒絕訊息,代理人才能在推論邏輯中判斷任務受阻並切換至替代方案,避免在企業內網中引發意料之外的連鎖 probing 行為。


11/16(一)
單一伺服器遭駭攻陷率近八成 AI 代理骨牌式信任漏洞浮現
圖/示意圖商傳媒|林昭衡/綜合外電報導企業加速導入 AI 代理(Agent)協助處理日常業務,但連線架構的資安盲點正成為黑客攻擊的新跳板。高德納諮詢公司(Gartner)預測,到 2026 年底將有高達 40% 的企業應用程式內建特定任務的 AI 代理,遠高於 2025 年初不到 5% 的比例。然而,高德納也將 AI 代理監管列為 2026 年首要網路安全趨勢,直指企業對機器代理的身分登記與授權控管普遍準備不足。 目前廣泛應用的「模型上下文協議」(Model Context Protocol,簡稱 MCP),主要用於讓 AI 代理存取外部資料庫與各式工具。但該協議本身缺乏內建的憑證、權限範圍與身分限制機制,多半仰賴底層基礎設施來防護。資安機構派拓網路(Palo Alto Networks)旗下團隊測試發現,當單一 AI 代理連接五台 MCP 伺服器時,攻擊成功率竟飆升至 78.3%。 這項弱點的核心在於「連鎖信任」(cascading trust)。顧問公司 Intuz 總監 Nilay Dhamsania 指出,一旦 AI 代理將某台伺服器的輸出視為可信脈絡,遭受入侵的伺服器就能藉由 Prompt 注入惡意指令;這些指令會夾帶在後續的工具呼叫中,連帶操控其他從未受害的伺服器。網路安全組織在OWASP MCP Top 10 安全風險清單中,也將 Token 管理不當與機密外洩列為最高風險類別,警告硬編碼的憑證若儲存於模型記憶體中,極易遭到 Prompt 注入竊取。 面對連鎖漏洞威脅,微軟(Microsoft)與美國國家安全局(NSA)各自提出相同的防禦策略:企業不應個別信任每台伺服器,而必須在所有伺服器前端架設統一防護層,集中處理身分驗證、權限範圍限縮與稽核日誌。官方規範也正逐步補強,MCP 架構已陸續導入 OAuth 2.1、資源指示器(Resource Indicators)等機制,強化企業 AI 應用的存取安全。


