By · Last updated 2026-04-05

Tagasi BlogisseAI Turvalisus

Cursor'i ja Claude'i kasutamine ilma koodi lekitamiseta

Cursor laadib .env-failid vaikimisi AI konteksti. Finantsteenuste ettevõte kaotas 12 miljonit dollarit, kuna patenteeritud kauplemisalgoritmid saadeti AI assistendile.

April 5, 20269 min lugemist
Cursor AI securitydeveloper credential leakMCP Server protectionClaude Code securitycodebase privacy

Mida Cursor AI konteksti laadib

Cursor laadib JSON- ja YAML-konfiguratsioonifailid vaikimisi AI konteksti. Need failid sisaldavad sageli pilvemärke, andmebaasiparoole ja juurutusseadeid.

Risk ei ole hooletu kasutamine. See on vaikimisi seadistus. Iga AI-kodeerimine, mis puudutab konfiguratsioonifaile, võib saata need failid Anthropic'i või OpenAI serveritesse.

Arendaja kavatsus on hea. Ta palub AI-l parandada andmebaaripäringut. Päringul on ühendusstringi. AI näeb seda. See ongi leke. See on tavapärase töö kõrvalmõju. Ainult poliitikareeglid ei suuda seda usaldusväärselt peatada.

Seetõttu kasvas Model Context Protocol'i tööriistade kasutuselevõtt 340% ettevõtekeskkondades 2025. aasta Q4-s. Meeskonnad vajavad tehnilist lahendust. Uus poliitikarekument ei piisa.

12 miljonit dollarit maksev tagajärg

Finantsteenuste ettevõte kaotas kontrolli oma patenteeritud kauplemisalgoritmide üle. Algoritmid läksid koodülevaatuse seansi ajal AI assistendi serveritesse.

Hinnanguline kulu: 12 miljonit dollarit (IBM andmelekke hind 2025, organisatsioonid, millel on >10 000 töötajat). Ettevõte ei suutnud andmeid tagasi võtta. Ta pidi auditeerima kõik edastatud failid. Ta palkas ärisaladuse kokkupuute õigusabi. Ta viis läbi konkurentsikahju ülevaate.

See on halvim juhtum. Tavaline juhtum on väiksem, kuid see kogub kiiresti. API-võtmed pöörduvad pärast AI-vestluslogi ilmumist. Andmebaasiparoolid vahetuvad pärast tööriistade kirjetel ilmumist. OAuth-märgid tühistatakse pärast ekraanisalvestuste jäädvustamist. Iga samm võtab personali aega. Kulu on reaalne ja harva jälgitud.

Kuidas anonüümimine kiht töötab

Model Context Protocol (MCP) lisab kihi AI kliendi ja AI mudeli API vahele. Iga viip läbib anonüümimise mootori enne mudeli tabamist.

Ilma kaitseta: Arendaja kirjutab migratsiooni skripti. Sellel on ühendusstringi: postgres://admin:password@host:5432/db. AI mudel saab selle stringi sellisena nagu see on.

Anonüümimise kihiga: Mootor märkab stringi. See vahetab selle tokeniga - [DB_CONN_1]. Mudel näeb skripti struktuuri ja loogikat. Mandaat jääb lokaalseks.

Pöörduv krüpteerimise valik läheb kaugemale. Kliendi ID-d ja tootekoodid krüpteeritakse ja asendatakse deterministlike tokenitega. AI tagastab vastuse, mis kasutab neid tokeneid. Server dekrüpteerib vastuse ja vahetab tokenid tagasi tõeliste väärtustega. Arendaja loeb tegelikke identifikaatoreid. AI mudel ei näinud neid kunagi.

Seadistamine ja arendajate kogemus

Arendusmeeskondadele on seadistamine ühekordne ülesanne. Cursor ja Claude Code konfigureeritakse marsruutima kohaliku proxyserveri kaudu. Serveri konfiguratsioon määratleb, milliseid üksuste tüüpe kinni pidada:

  • API-võtmed
  • Andmebaasiühenduste stringid
  • Autentimisenümred
  • AWS-i, Azure'i ja GCP mandaadid
  • Privaatvõtme päised

Meeskonnad saavad lisada kohandatud mustreid sisemiste teenuste nimede või patenteeritud identifikaatoriforrnide jaoks.

Arendaja poolelt ei muutu midagi. Automaatne lõpetamine, koodi ülevaade, silumise abi ja dokumentatsiooni genereerimine toimivad nagu varem. Proxy töötab vaikselt taustal.

Checkpoint Research'i 2025. aasta analüüs märkis arendaja mandaatide paljastamist kõrgeima mõjuga riskiks AI-kodeerimisvahendite juurutamises. See on täpselt probleem, mida see arhitektuur lahendab. See on tehniline lahendus, mitte poliitiline meeldetuletus.

Tutvuge rohkem meie turvaülevaatega ja vastavusdokumentatsiooniga. Vaata ka meie üksuste tuvastuse juhendit pealtkuulatud andmetüüpide täieliku loetelu jaoks.

Allikad

Kas olete valmis oma andmeid kaitsma?

Alustage PII anonüümitamist 285+ üksustüübi abil 48 keeles.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.