Vissza a BlograAI Biztonság

MCP-szerver biztonság 2026: 8000 kitett, 492 hitelesítés nélkül

8000+ Model Context Protocol szerver érhető el nyilvánosan. 492-nek nincs hitelesítése. 36,7% SSRF-sérülékeny. Védje a személyes adatokat az MCP-eszközökben.

March 16, 20267 perc olvasás
MCP serverModel Context ProtocolAI securityPII protectionCursorClaude Desktopdeveloper security

Az MCP-ökoszisztéma gyorsan nőtt — a biztonság nem

A Model Context Protocol 2024 végén indult. 18 hónap alatt az AI-eszközök külső rendszerekhez való csatlakoztatásának szabványává vált. 2026 márciusáig az ökoszisztéma adatbázis-csatlakozókat, fájlszervereket, GitHub-hidakat, Slack-klienseket, e-mail-eszközöket és több száz domain-specifikus szervert fed le.

A növekedési görbe meredek. A biztonsági kép nem az.

2026 márciusától 8000+ MCP-szerver él a nyilvános interneten. Kutatók 492-t találtak teljes hitelesítés nélkül — sem API-kulcs, sem OAuth, sem IP-szűrő. Bármely HTTP-kliens hívhatja őket. A vizsgált szerverek 36,7%-a SSRF-re (kiszolgálóoldali kéréshamisítás) sebezhető. Ez azt jelenti, hogy egy olyan támadó, aki az eszközök bemenetét irányítani tudja, belső hálózati erőforrásokhoz férhet hozzá.

Ugyanebben az időszakban 30+ CVE-t nyújtottak be 60 nap alatt. Ez az arány egyszerre mutatja az ökoszisztéma újszerűségét és a kutatói érdeklődés intenzitását.

Miért teremt a protokoll személyes adatkockázatot?

Az MCP azt a képességet adja az AI-asszisztenseknek, hogy adatokon cselekedjenek. Ez egyben az adatvédelmi kockázat forrása is.

Amikor egy fejlesztő adatbázis-csatlakozóval rendelkező Cursort vagy Claude Desktopot használ, az AI egyszerű szövegből SQL-t ír. Ezek a lekérdezések valódi sorokat adnak vissza — neveket, e-mail-címeket, fizetési adatokat vagy más személyes adatokat. Ezek az adatok egy láncon keresztül mozognak:

  1. Adatbáziszerver → AI-asszisztens kontextusablaka
  2. Kontextusablak → modelszolgáltató naplórendszerei
  3. Társalgástörténet → fejlesztő helyi gépére
  4. Hibakereső munkamenetek → más AI-eszközökhöz, amikor a fejlesztő kontextust másol be

Ezek egyike sem adatvédelmi incidens. Így működik a rendszer. De a személyes adatok több helyre kerülnek, amelyek nem erre lettek tervezve, gyakran titkosítás nélkül a szerver és az AI-kliens között.

A CVE-2026-25253 (CVSS 8,8), 2026 februárjában közzétéve, egy támadási útvonalat mutatott be. Egy rosszindulatú végpont rejtett utasításokat injektálhatott a válaszaiba. Ezek az utasítások arra szólították fel a csatlakoztatott AI-t, hogy más aktív eszközökből is gyűjtsön adatokat. Egy fejlesztő, aki rossz közösségi végpontot használt a saját adatbázis-csatlakozója mellett, így az egész adatbázist kiszivárogtathatta.

A 492 hitelesítés nélküli szerver

A 492 nyitott szerver a CVE-2026-25253-tól eltérő probléma. Ezeket nem törték fel. Rosszul konfigurálták őket.

Legtöbbjüket helyi futtatásra szánták. Valaki portforwardinggal vagy access-vezérlők nélküli felhőtelepítéssel tette nyilvánossá őket.

Amit ezek a szerverek általában kitesznek:

  • Fájlrendszer-eszközök olvasási hozzáféréssel az otthoni mappákhoz
  • Adatbázis-csatlakozók élő hitelesítő adatokkal a konfigurációban
  • E-mail-eszközök valódi postafiókokhoz kötve
  • Kódvégrehajtási eszközök — tetszőleges kód, hitelesítés nélkül, korlátok nélkül

A fejlesztők szinte biztosan nem szándékoztak ezeket nyilvánossá tenni. De a Cursor és a Claude Desktop csatlakozik a konfigurációban megadott bármely URL-hez. Nincs beépített ellenőrzés arra, hogy egy gazdagép helyi vagy nyilvános-e.

Az anonym.legal MCP-megoldás

A PII-kockázat szerkezeti megoldása az eszközfolyamatokban az, hogy az adatokat anonimizálni kell, mielőtt azok bármelyik hívásba kerülnek, amely az LLM-hez küldi őket. Ezt biztosítja az anonym.legal MCP-szerver.

7 eszközt tesz elérhetővé:

EszközCél
analyze_textPII-entitások felismerése és pozícióik, típusaik visszaadása
anonymize_textAzonosított PII eltávolítása vagy álnevesítése
deanonymize_textAz álnevesítés visszafordítása a titkosítási kulccsal
anonymize_batchTöbb szöveg feldolgozása egy hívással
get_supported_entitiesAz összes 285+ entitástípus felsorolása egy adott nyelvhez
get_supported_languagesAz összes 48 támogatott nyelv felsorolása
health_checkKapcsolat ellenőrzése

Amikor egy AI-asszisztensnek mind az anonym.legal szerver, mind egy adatbázis-csatlakozó konfigurálva van, a fejlesztő utasíthatja: „Mielőtt bármilyen ügyféladatot megmutatnál, hívd az anonymize_text-et az eredményen.” Az AI kezeli az orchestrációt. A személyes adatok soha nem kerülnek látható kimenetbe vagy társalgástörténetbe azonosítható formában.

Cursor IDE beállítás

Az anonym.legal szerver Cursorhoz való hozzáadásához:

// .cursor/mcp.json
{
  "mcpServers": {
    "anonym-legal": {
      "url": "https://anonym.legal/mcp",
      "transport": "sse",
      "headers": {
        "Authorization": "Bearer AZ_ÖN_API_KULCSA"
      }
    }
  }
}

Konfigurálás után kérdezze meg a Cursort: „Elemezd ezt az ügyfélszolgálati jegyet személyes adatok szempontjából, mielőtt beilleszteném a nyilvántartóba.” A Cursor hívja az analyze_text-et, visszaadja az entitáslistát, és Ön dönt, hogy anonimizál-e beillesztés előtt.

Claude Desktop beállítás

// claude_desktop_config.json
{
  "mcpServers": {
    "anonym-legal": {
      "command": "npx",
      "args": ["-y", "@anonym-legal/mcp-server"],
      "env": {
        "ANONYM_API_KEY": "AZ_ÖN_API_KULCSA"
      }
    }
  }
}

Ezzel a konfigurációval a Claude Desktop anonimizálhatja a szöveget, mielőtt más szervereknek küldött eszközhívásokba foglalná. Az anonimizálás a munkamenetben fut. A személyes adatok nem kerülnek az Anthropic szervereire azonosítható formában.

A beállítás megerősítése

Az anonym.legal használatán túl alkalmazza ezeket a lépéseket is. Lásd még a biztonsági áttekintőnket és a megfelelőségi központot.

Auditálja az eszközlistát. Ellenőrizze a konfiguráció minden bejegyzését. Minden egyes esetben kérdezze: megbízik-e az üzemeltetőben? Tudja, milyen adatokhoz férhet hozzá?

Részesítse előnyben a helyi szervereket a távoliak előtt. A helyi szerverek stdio-n keresztül futnak. Nem hoznak létre hálózati kitettséget. Csak akkor használjon távoli szervereket, ha nincs helyi alternatíva.

Ellenőrizze a hitelesítést. Minden távoli szervernek API-kulcsot vagy OAuth-tokent kell megkövetelnie. Ha nem, ne használja valódi felhasználói adatokkal.

Különítse el a fejlesztői és az éles környezetet. Tartson fenn külön konfigurációkat a fejlesztői munkához (tesztadatok, nincs személyes adat) és az éles felhasználókat érintő folyamatokhoz.

Engedélyezze az auditnapló-készítést. Ha a szerver támogatja a naplózást, kapcsolja be. Tudja, milyen adatok kerültek át az egyes hívásokon.

Az entitástípusok és nyelvek teljes listájáért tekintse meg az MCP-funkciók oldalát.

A 60 nap alatt benyújtott 30+ CVE azt mutatja, hogy a protokollt aktívan vizsgálják. Új hibák bukkannak fel. De az alapvető védelem — anonimizálás, mielőtt az adatok bármely LLM-híváshoz jutnak — minden következő CVE ellen is véd.

Az anonym.legal szerver konfigurálása Cursorban →


Az anonym.legal a PII-anonimizálást szerveroldalon, az Ön titkosítási kulcsával dolgozza fel. Az álnevesített adatok csak azzal a kulccsal fordíthatók vissza. Az anonym.legal kiadja, ISO 27001 tanúsítvánnyal rendelkezik.

Források

  • Shodan MCP-szerver kitettségi adatok, 2026. március — 8000+ szerver, 492 hitelesítés nélkül
  • CVE-2026-25253, CVSS 8,8, kereszt-szerver injekció a Model Context Protocolen keresztül
  • SSRF-adatok: nyilvánosan elérhető végpontok biztonsági kutatói vizsgálata, 2026. március
  • Anthropic MCP-specifikáció v1.2, biztonsági megfontolások fejezet

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.