By · Last updated 2026-03-31

Vissza a BlograAI Biztonság

IDE vs böngésző: fejlesztői AI-biztonság

A fejlesztők két környezetben használnak AI-t: IDE-ben (Cursor, VS Code) és böngészőben (Claude.ai, ChatGPT). Mindkettőhöz eltérő kontrollok szükségesek.

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

Két csatorna, két támadási felület

A fejlesztők két helyen használnak AI-t. Mindkét helynek más az adatáramlása. Mindkettőhöz más biztonsági kontroll szükséges.

IDE-integrált AI – A Cursor, a GitHub Copilot, a VS Code bővítmények és a Claude Desktop képes olvasni a projektet: kódfájlokat, konfigurációs fájlokat és környezeti változókat. Az AI-modell azt kapja meg, amit a fejlesztő beillesztett, vagy amit a kliens a projektkontextusból kihúzott.

Böngészőalapú AI – A Claude.ai, a ChatGPT és a Gemini a böngészőben futnak. A fejlesztők kódot, hibakövetési naplókat és hibaüzeneteket illesztenek be böngészős szövegmezőkön keresztül. A szöveg közvetlenül az AI-szolgáltatóhoz kerül. Nem áll közte szűrő.

Mindkét csatorna érzékeny adatokat tesz elérhetővé az AI-szolgáltatók számára. Mindkettőhöz kontrollok szükségesek. A megfelelő kontroll azonban csatornánként eltérő. Az a csapat, amelyik csak az egyiket fedi le, a fejlesztői munkafolyamat csak felét védte meg.

Az IDE-réteg: MCP-szerver

Claude Desktop és Cursor felhasználóknak a Model Context Protocol (MCP) a megfelelő biztonsági réteg.

Az MCP az AI-kliensek és az AI-modell API-k közé ékelődik. Az MCP-szerver az interfészen áthaladó összes adatot olvasva dolgozza fel, mielőtt az eléri a modellt.

Ez a pozíció három dolgot tesz lehetővé:

Kulcsok és titkok eltávolítása – Az API-kulcsokat, adatbázis-kapcsolati karakterláncokat, hitelesítési tokeneket és belső URL-eket a rendszer megtalálja és biztonságos tokenekre cseréli az elküldés előtt. A modell [API_KEY_1] tokent kap a tényleges kulcsérték helyett.

Egyéni kódminták – A csapatok egyéni egyezési szabályokat adhatnak hozzá belső termékkódokhoz, ügyfél-azonosítókhoz és szolgáltatásnevekhez. A standard PII-eszközök nem ismerik ezeket a mintákat. Az egyéni szabályok az MCP-szerveren futnak, mielőtt bármilyen adat elhagyná a rendszert.

A fejlesztői munka zavartalan marad – A fejlesztő ugyanúgy használja a Cursort vagy a Claude Desktopot, mint korábban. Az MCP-szerver a kliens és az API között fut. A fejlesztő semmilyen változást nem érzékel, és ugyanolyan AI-segítséget kap.

A GitHub Octoverse 2024 39 millió kiszivárgott titkot dokumentált a GitHubon – 25%-os éves növekedés. Ugyanaz a szokás, amely ezeket a szivárgásokat okozza, IDE AI-szivárgásokat is előidéz. A hitelesítő adatok véglegesített kódba kerülnek, és beillesztett kontextusba is. Az MCP-szerver általi elfogás lefedi a csatorna AI-oldalát is.

Lásd még: MCP-szerver PII-biztonság 2026-ban

A böngészőréteg: Chrome-bővítmény

A böngészőalapú AI esetén – Claude.ai, ChatGPT, Gemini – a Chrome-bővítmény a megfelelő kontroll.

A bővítmény tartalomscriptként fut minden AI-platformon. Olvassa a szöveget, mielőtt a fejlesztő elküldi. Megtalálja az érzékeny tartalmakat – neveket, titkokat és az Ön által beállított kódmintákat –, és maszkolja őket, mielőtt a szöveg eljutna az AI-szolgáltatóhoz.

A két réteg különböző csatornákat fed le:

Az MCP-szerver fedi – az összes AI-használatot Claude Desktopen vagy Cursoron keresztül: kód-felülvizsgálatot, debug-munkameneteket és projektkontextus-lekérdezéseket.

A Chrome-bővítmény fedi – az összes böngészőalapú AI-használatot: Claude.ai-t, ChatGPT-t, Geminit, Perplexityt és bármely más AI-felületet a böngészőben. Ide tartoznak azok a fejlesztők is, akik böngésző-AI-t használnak dokumentációs munkához vagy olyan kérdésekhez, amelyeket inkább az IDE-n kívül tartanak.

Lásd még: Blokkolás vs anonimizálás böngészős DLP-hez

Hogyan néz ki a kombinált lefedettség

Egy mindkét réteget futtató fejlesztői csapat teljes lefedettséget kap. Így működik ez a gyakorlatban.

Egy fejlesztő Cursort használ Claude-dal egy élő probléma hibakereséséhez. Az MCP-szerver eltávolítja a titkokat a hibakövetési naplóból, mielőtt Claude látná azokat. Kulcs nem kerül elküldésre.

Ugyanaz a fejlesztő ezután megnyitja a Claude.ai-t a böngészőben egy architektúrális kérdéshez, és beilleszti egy belső szolgáltatás URL-jét. A Chrome-bővítmény eltávolítja az URL-t az elküldés előtt. Semmilyen belső URL nem jut el a Claude-hoz.

Egy kolléga a ChatGPT-t használja dokumentációs segítséghez. Olyan kódot illeszt be, amely tartalmaz egy API-kulcsot. A Chrome-bővítmény elfogja a kulcsot, mielőtt az eljutna az OpenAI-hoz. Semmilyen kulcs nem kerül ki.

Egyik csatorna sem tesz ki titkokat vagy érzékeny kódot az AI-szolgáltatóknak. Mindkét fejlesztő valódi munkára használja az AI-t. A biztonsági csapatnak mindkét csatornán technikai kontrolljai vannak – nem csupán szabályzati előírásai.

A CVE-2024-59944 a szélesebb minta egyik esetét mutatja be. Az elfogási réteg nélküli fejlesztői AI-eszközök szivárgási csatornák. A kétrétegű modell erre a kockázatra ad közvetlen választ.

Lásd még: AI kódolási asszisztens PII-szivárgás éles környezetben

Miért nem elég egyetlen réteg

Néhány csapat blokkolja a böngésző-AI-t és csak IDE-eszközökre támaszkodik. Mások engedélyezik a böngésző-AI-t, de nem fedik le az IDE-t. Mindkét megközelítés rést hagy.

Egy fejlesztő, aki munka közben Cursort használ, egy gyors kérdés miatt egy böngészőlapon is megnyithatja a ChatGPT-t. Egy csak IDE-re vonatkozó kontroll ezt nem fogja el. Egy csak böngészőre vonatkozó kontroll nem fedi le az IDE-munkamenetet. Mindkét csatorna aktív egy valódi fejlesztői munkanapban.

A kétrétegű modell mindkettőt lefedi. Nem támaszkodik arra, hogy a fejlesztők elkerülik az egyik csatornát. Csendesen fut mindkét helyen.


Az anonym.legal mindkét réteget biztosítja: MCP-szervert az IDE-integrált AI-hoz és Chrome-bővítményt a böngészőalapú AI-hoz. Mindkettő ugyanazon felderítő motorra épül – 285+ entitástípus, 48 nyelv, visszafordítható titkosítás.

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 285+ entitástípuson 48 nyelven.

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.