By · Last updated 2026-03-31

חזרה לבלוגאבטחת AI

IDE מול דפדפן: אבטחת AI למפתחים

מפתחים משתמשים ב-AI בשני סביבות: IDE (Cursor, VS Code) ודפדפן (Claude.ai, ChatGPT). לכל אחת נדרשות בקרות שונות.

March 31, 20268 דקות קריאה
developer AI securityMCP Server IDEChrome Extension browsertwo-layer protectioncredential leak prevention

שני ערוצים, שתי משטחי תקיפה

מפתחים משתמשים ב-AI בשני מקומות. לכל מקום יש זרימת נתונים שונה. לכל אחד נחוצה בקרת אבטחה שונה.

AI משולב ב-IDE — Cursor, GitHub Copilot, תוספי VS Code ו-Claude Desktop יכולים לקרוא את הפרויקט שלכם. קבצי קוד, קבצי תצורה ומשתני סביבה — כולם בתחום. מודל ה-AI מקבל את מה שהמפתח מדביק או את מה שהלקוח מושך מהקשר הפרויקט.

AI מבוסס דפדפן — Claude.ai, ChatGPT ו-Gemini פועלים בדפדפן. מפתחים מדביקים קוד, stack traces והודעות שגיאה דרך שדות טקסט בדפדפן. הטקסט הולך ישר לספק ה-AI. שום מסנן אינו ממוקם ביניהם.

שני הערוצים חושפים נתונים רגישים לספקי AI. שניהם זקוקים לבקרות. אבל הבקרה הנכונה לכל ערוץ שונה. צוות שמכסה רק ערוץ אחד הגן על מחצית בלבד מזרימת העבודה של המפתח.

שכבת ה-IDE: שרת MCP

עבור משתמשי Claude Desktop ו-Cursor, Model Context Protocol (MCP) הוא שכבת האבטחה הנכונה.

MCP ממוקם בין לקוחות AI לבין ממשקי API של מודל AI. שרת MCP קורא את כל הנתונים בממשק זה לפני שמגיעים למודל.

מיקום זה מאפשר שלושה דברים:

הסרת מפתחות וסודות — מפתחות API, מחרוזות מסד נתונים, אסימוני אימות וכתובות URL פנימיות נמצאים ומוחלפים באסימונים בטוחים לפני השליחה. המודל מקבל [API_KEY_1] במקום ערך המפתח האמיתי.

תבניות קוד מותאמות — צוותים יכולים להוסיף כללי התאמה מותאמים לקודי מוצר פנימיים, מזהי לקוחות ושמות שירותים. כלי PII סטנדרטיים אינם מכירים תבניות אלה. כללים מותאמים פועלים בשרת MCP לפני שנתונים כלשהם עוזבים.

ללא הפרעה לעבודת הפיתוח — המפתח משתמש ב-Cursor או ב-Claude Desktop כרגיל. שרת MCP פועל בין הלקוח לבין ה-API. המפתח אינו רואה שינוי. הוא מקבל את אותה עזרת AI.

GitHub Octoverse 2024 תיעד 39 מיליון סודות שדלפו מ-GitHub — עלייה של 25% משנה לשנה. אותו הרגל שמניע דליפות אלו מניע גם דליפות AI ב-IDE. אישורים מגיעים לקוד שבוצע commit. הם גם מגיעים להקשר שהודבק. יירוט שרת MCP מכסה את ערוץ ה-AI של אותו דפוס.

ראו גם: אבטחת PII של שרת MCP ב-2026

שכבת הדפדפן: תוסף Chrome

עבור AI מבוסס דפדפן — Claude.ai, ChatGPT, Gemini — תוסף Chrome הוא הבקרה הנכונה.

התוסף פועל כסקריפט תוכן בכל פלטפורמת AI. הוא קורא טקסט לפני שהמפתח שולח אותו. הוא מוצא תוכן רגיש — שמות, סודות ותבניות קוד שהגדרתם — ומסתיר אותם לפני שהטקסט מגיע לספק ה-AI.

שתי השכבות מכסות ערוצים שונים:

שרת MCP מכסה — כל שימוש AI דרך Claude Desktop או Cursor. סקירת קוד, סשני ניפוי שגיאות ושאילתות הקשר פרויקט — כולם עוברים שכבה זו.

תוסף Chrome מכסה — כל שימוש AI מבוסס דפדפן. Claude.ai, ChatGPT, Gemini, Perplexity וכל ממשק AI אחר בדפדפן. זה כולל מפתחים שמשתמשים ב-AI בדפדפן לעבודת תיעוד או לשאלות שהם מעדיפים לשמור מחוץ ל-IDE.

ראו גם: חסימה לעומת אנונימיזציה ל-DLP בדפדפן

איך כיסוי משולב נראה

צוות פיתוח שמריץ את שתי השכבות מקבל כיסוי מלא. כך זה עובד בפועל.

מפתח משתמש ב-Cursor עם Claude לניפוי שגיאות בסוגיה פעילה. שרת MCP מסיר סודות מה-stack trace לפני ש-Claude רואה אותו. לא נשלחים מפתחות.

אותו מפתח פותח לאחר מכן את Claude.ai בדפדפן לשאלת ארכיטקטורה. הוא כולל כתובת URL פנימית של שירות. תוסף Chrome מסיר את ה-URL לפני שנשלח. שום URL פנימי אינו מגיע ל-Claude.

עמית משתמש ב-ChatGPT לעזרה בתיעוד. הוא מדביק קוד שיש בו מפתח API. תוסף Chrome תופס את המפתח לפני שהולך ל-OpenAI. שום מפתח אינו נחשף.

אף ערוץ אינו חושף סודות או קוד רגיש לספקי AI. שני המפתחים משתמשים ב-AI לעבודה אמיתית. לצוות האבטחה יש בקרות טכניות על שני הערוצים — לא רק כללי מדיניות.

CVE-2024-59944 מראה מקרה אחד של הדפוס הרחב יותר. כלי AI למפתחים ללא שכבות יירוט הם ערוץ דליפה. מודל שתי השכבות הוא התגובה הישירה לסיכון זה.

ראו גם: דליפת PII של עוזרי קידוד AI בייצור

מדוע שכבה אחת אינה מספיקה

חלק מהצוותים חוסמים AI בדפדפן ומסתמכים על כלי IDE בלבד. אחרים מתירים AI בדפדפן אבל אינם מכסים את ה-IDE. שני הגישות משאירות פער.

מפתח שמשתמש ב-Cursor בעבודה עשוי גם לפתוח ChatGPT בכרטיסייה בדפדפן לשאלה מהירה. בקרה ל-IDE בלבד אינה תופסת זאת. בקרה לדפדפן בלבד אינה תופסת את סשן ה-IDE. שני הערוצים פעילים ביום עבודה אמיתי של מפתח.

מודל שתי השכבות מכסה את שניהם. הוא אינו מסתמך על כך שמפתחים יימנעו מאחד הערוצים או מהאחר. הוא פועל בשקט בשני המקומות.


anonym.legal מספקת את שתי השכבות: שרת MCP ל-AI משולב ב-IDE ותוסף Chrome ל-AI מבוסס דפדפן. שניהם פועלים על אותו מנוע זיהוי — 285+ סוגי ישויות, 48 שפות, הצפנה הפיכה.

מקורות

מוכן להגן על הנתונים שלך?

התחל לאנונימיזציה של PII עם 285+ סוגי ישויות ב-48 שפות.

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.