13.20 · 不安全的伺服器設定

閱讀 Databricks DASF 3.0 中 13.20「不安全的伺服器設定」相關的 5 個 AI 資安案例,查看事件證據、適用範圍與 AIDEFEND 防禦分析。

風險分類說明

MCP 伺服器(提供 AI 工具與資料的服務)使用不安全的預設設定、暴露端點,或缺少足夠的身分驗證。預設憑證與可公開連入的介面,都可能成為攻擊者進入伺服器的直接管道。基本設定錯誤,因此也可能危害伺服器提供的工具與資源。

框架官方來源 ↗ · 開啟互動探索 ↗

Incident ·

Chainstack 入侵事件:測試用 Grafana 代理讓攻擊者連上未驗證的高權限 MCP 伺服器

Chainstack 是一家區塊鏈基礎設施業者。業者在追查 2026 年 10 月的入侵事件時,發現測試環境的監控平台 Grafana 可以代理連線到內部的 MCP 伺服器(MCP 是讓 AI 呼叫外部工具的協定)。這台 MCP 伺服器沒有驗證呼叫者身分,卻擁有 Kubernetes 容器叢集的 cluster-admin 最高管理權限;攻擊者接著利用竊得的機器憑證,進一步連入正式環境。調查確認攻擊者存取了資料庫、竊取機密憑證(secrets),並留下多種重開機或跨環境維持權限的後門路徑,但無法還原個別 MCP 呼叫內容,也沒有證據顯示客戶節點曾遭修改。業者研判攻擊過程使用了自動化工具 ARTEX,但這並不能直接用來確認攻擊者是誰。

關聯理由: 內部 MCP 端點缺少身分驗證,且可經未受限制的 Grafana 代理接觸。

對應依據是鑑識判斷的 MCP 整合角色及已記載的基礎設施影響;分開觀察到的路徑仍分開呈現。

AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗

Validated Research ·

Framelink Figma MCP 工具漏洞:備援下載流程遭利用執行命令

Framelink 的第三方 Figma MCP 伺服器,讓 AI 程式開發用戶端讀取設計資料。Imperva 與維護者驗證,特製工具參數可進入不安全的 curl 備援,並以伺服器權限執行命令(例如:維護者在 get_figma_data 的 fileKey 參數放入命令片段,讓伺服器執行 id,並把結果寫入 /tmp/TEST1,作為無害的執行驗證)。網路與本機 STDIO 是不同入口,直接呼叫的證據未建立模型介入的完整攻擊。

關聯理由: 網路路徑暴露可呼叫的 MCP 介面,且工作階段識別碼明確不等於身分驗證;來源另警告監聽服務綁定所有介面的問題。

直接驗證的 MCP 工具輸入命令注入,保留網路、本機兩種入口,以及 fetch 失敗的明確前提。

AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗

Incident · · 實務關聯

NadMesh:對外暴露的 AI 服務成為殭屍網路入口

奇安信 XLab 發布的 NadMesh 分析,描述一個以 Go 撰寫、鎖定對外暴露 AI 與自動化服務的殭屍網路。它的控制端包含 MCP 工具呼叫,以及蒐集雲端、Kubernetes 與 AI 憑證的功能。來源記錄了實際惡意程式活動與鎖定目標,但沒有證明所有控制端功能都曾在同一受害者身上成功。防禦重點是對外服務入口與工具執行權限。

關聯理由: 控制端具備存取接收檢查不足的暴露 MCP 命令服務的功能。 MCP 是已記錄的其中一種路徑,不代表每個 AI 目標都使用 MCP 或無須登入。

實際 AI 服務鎖定活動與惡意程式控制端功能;不推定單一受害者流程或所有漏洞均成功。

AIA · 閱讀完整案例 ↗

Incident ·

LiteLLM MCP 閘道:任意一個 token 就能通過驗證,連線測試端點還會執行攻擊者送來的命令

LiteLLM 是一套開源的 AI 閘道,負責統一轉送超過 100 家模型供應商的 API,並代為保管這些供應商的 API key;它的 MCP(Model Context Protocol,讓 AI agent 連到外部工具與資料來源的協定)閘道功能,則負責把 agent 接到工單系統、通訊軟體、資料庫等已連接的工具上。資安公司 Wiz Research 發現,當 token 驗證失敗時,這段程式不但沒有拒絕,反而退回成一個完全沒有限制的授權物件,因此任何一個 Bearer token 都能開啟一個通過驗證的 MCP 工作階段(CVE-2026-59822,CVE 是公開資安漏洞的識別編號)。另一個問題則是:MCP 的連線測試端點會把呼叫者送來的命令,直接在代理服務主機上執行(CVE-2026-42271)。美國 CISA 已把這兩個漏洞列入已知遭利用漏洞清單(KEV)。

關聯理由: 無效 token 被當成授權,連線測試可啟動指定的 stdio 命令。 此處對應「不安全的伺服器設定」:MCP 伺服器(提供 AI 工具與資料的服務)使用不安全的預設設定、暴露端點,或缺少足夠的身分驗證。

無效 token 被當成授權,連線測試可啟動指定的 stdio 命令。

AIA · 閱讀完整案例 ↗

Validated Research ·

AI 應用錯誤設定:公開 agent 端點如何變成遠端程式碼執行漏洞(RCE)和憑證外洩入口

Microsoft Defender Security Research 發現,某些 AI 應用和 agent 服務(例如遠端 MCP server、Mage AI(資料管線自動化平台)、kagent(Kubernetes 環境裡的 agent 服務)和 Microsoft AutoGen Studio(本機 agent 建構與管理介面))在網路上可以被公開存取,卻沒有把登入驗證、權限控管和後端服務帳號設定好。這樣一來,攻擊者不一定要找零日漏洞;只要連到公開的介面或 API,就可能操作內部工具、執行 shell 命令、部署 Kubernetes 工作負載,或讀到 AI 服務的 API key。這篇的重點很直接了當:只要 AI 應用是公開對外提供服務的,就要當正式系統管理,不能把測試時方便使用的預設設定直接拿去上線。

關聯理由: 公開 MCP、Mage、kagent 與 AutoGen 的錯誤部署及存取控制。 此處對應「不安全的伺服器設定」:MCP 伺服器(提供 AI 工具與資料的服務)使用不安全的預設設定、暴露端點,或缺少足夠的身分驗證。

公開 MCP、Mage、kagent 與 AutoGen 的錯誤部署及存取控制。

AIA · 閱讀完整案例 ↗