மாதிரி சூழல் நெறிமுறையைப் பலப்படுத்துதல்

Tenable ஆராய்ச்சி ஒரு பரவலாக விவாதிக்கப்பட்ட AI பாதிப்பு அணுகுமுறையை மறுவரையறை செய்யும் ஒரு அற்புதமான ஆராய்ச்சியை வெளிப்படுத்தியுள்ளது. விரிவான ஆய்வில், Tenable இன் பென் ஸ்மித், ப்ராம்ட் இன்ஜெக்ஷன் போன்ற நுட்பங்கள், அதிக அளவில் பிரபலமாகி வரும் மாதிரி சூழல் நெறிமுறைக்குள் (MCP) செயல்படும் பெரிய மொழி மாதிரி (LLM) கருவி அழைப்புகளை தணிக்கை செய்யவும், கண்காணிக்கவும், ஃபயர்வால்களை உருவாக்கவும் எவ்வாறு திறம்பட மறுபயன்படுத்தப்படலாம் என்பதை நிரூபிக்கிறார்.

மாடல் சூழல் நெறிமுறை (MCP), Anthropic மூலம் உருவாக்கப்பட்ட ஒரு நாவல் தரநிலை, AI சாட்போட்களை வெளிப்புற கருவிகளுடன் ஒருங்கிணைப்பதை எளிதாக்குகிறது, இது தானாகவே பணிகளைச் செய்ய உதவுகிறது. இந்த வசதி, இருப்பினும், புதிய பாதுகாப்பு சவால்களை அறிமுகப்படுத்துகிறது. தாக்குதல் செய்பவர்கள் மறைக்கப்பட்ட அறிவுறுத்தல்களைச் செருகலாம், அதாவது ப்ராம்ட் இன்ஜெக்ஷன், அல்லது AI ஐ அதன் சொந்த விதிகளை மீறும்படி கையாள தீங்கிழைக்கும் கருவிகளை அறிமுகப்படுத்தலாம். Tenable இன் ஆராய்ச்சி இந்த அபாயங்களை முழுமையாக ஆராய்ந்து, ஒரு தனித்துவமான தீர்வை முன்மொழிகிறது: AI பயன்படுத்த முயற்சிக்கும் ஒவ்வொரு கருவியையும் கண்காணிக்க, ஆய்வு செய்ய மற்றும் கட்டுப்படுத்த தாக்குதல்களில் பயன்படுத்தப்படும் அதே நுட்பங்களைப் பயன்படுத்துதல்.

MCP பாதுகாப்பைப் புரிந்துகொள்வதன் முக்கியத்துவம்

வணிகங்கள் LLMகளை முக்கியமான வணிகக் கருவிகளுடன் அதிகளவில் ஒருங்கிணைக்கும்போது, MCP வழங்கும் அபாயங்கள் மற்றும் தற்காப்பு வாய்ப்புகளை CISOs, AI பொறியாளர்கள் மற்றும் பாதுகாப்பு ஆராய்ச்சியாளர்கள் முழுமையாகப் புரிந்துகொள்வது அவசியம்.

Tenable இன் மூத்த ஊழியர் ஆராய்ச்சி பொறியியலாளர் பென் ஸ்மித், "MCP என்பது வேகமாக வளர்ந்து வரும் மற்றும் முதிர்ச்சியடையாத தொழில்நுட்பமாகும், இது நாம் AI உடன் தொடர்பு கொள்ளும் விதத்தை மாற்றுகிறது. MCP கருவிகளை உருவாக்குவது எளிதானது மற்றும் ஏராளமானது, ஆனால் அவை வடிவமைப்பிற்கான பாதுகாப்பு கொள்கைகளை உள்ளடக்கியது இல்லை, மேலும் கவனத்துடன் கையாளப்பட வேண்டும். எனவே, இந்த புதிய நுட்பங்கள் சக்திவாய்ந்த கருவிகளை உருவாக்குவதற்கு பயனுள்ளதாக இருக்கும் அதே வேளையில், அதே முறைகளை மோசமான வழிகளிலும் பயன்படுத்தலாம். கவனத்துடன் இருக்க மறந்துவிடாதீர்கள்; மாறாக, MCP சேவையகங்களை உங்கள் தாக்குதல் மேற்பரப்பின் விரிவாக்கமாகக் கருதுங்கள்.” என்றார்.

ஆராய்ச்சியின் முக்கிய சிறப்பம்சங்கள்

• குறுக்கு மாதிரி நடத்தை மாறுபடும்:

  • Claude Sonnet 3.7 மற்றும் Gemini 2.5 Pro Experimental ஆகியவை தொடர்ந்து பதிவைப் பயன்படுத்தி, கணினி தூண்டுதலின் பகுதிகளை வெளிப்படுத்தின.
  • GPT-4o பதிவையும் செருகியது, ஆனால் ஒவ்வொரு இயக்கத்திலும் மாறுபடும் (மற்றும் சில நேரங்களில் மாயையான) அளவுரு மதிப்புகளை உருவாக்கியது.

• பாதுகாப்பு மேம்பாடு: தாக்குதல் செய்பவர்களால் பயன்படுத்தப்படும் அதே வழிமுறைகளை பாதுகாவலர்கள் கருவி சங்கிலிகளை தணிக்கை செய்யவும், தீங்கிழைக்கும் அல்லது அறியப்படாத கருவிகளைக் கண்டறியவும் மற்றும் MCP ஹோஸ்ட்களுக்குள் பாதுகாப்பு தண்டவாளங்களை உருவாக்கவும் பயன்படுத்தலாம்.

• வெளிப்படையான பயனர் ஒப்புதல்: எந்தவொரு கருவியையும் இயக்குவதற்கு முன் MCP ஏற்கனவே வெளிப்படையான பயனர் ஒப்புதல் தேவைப்படுகிறது. இந்த ஆராய்ச்சி கடுமையான குறைந்த-சலுகை இயல்புநிலைகள் மற்றும் முழுமையான தனிப்பட்ட கருவி மதிப்பாய்வு மற்றும் சோதனை ஆகியவற்றின் தேவையை வலியுறுத்துகிறது.

மாதிரி சூழல் நெறிமுறை (MCP) குறித்த ஆழமான பார்வை

மாதிரி சூழல் நெறிமுறை (MCP) என்பது AI மாதிரிகள் வெளிப்புற உலகத்துடன் எவ்வாறு தொடர்பு கொள்கின்றன என்பதில் ஒரு பாரிய மாற்றத்தை பிரதிபலிக்கிறது. தனிமைப்படுத்தப்பட்ட நிலையில் இயங்கும் பாரம்பரிய AI அமைப்புகளைப் போலன்றி, MCP ஆனது AI மாதிரிகள் வெளிப்புறக் கருவிகள் மற்றும் சேவைகளுடன் தடையின்றி ஒருங்கிணைக்க அனுமதிக்கிறது, இது தரவுத்தளங்களை அணுகுவது மற்றும் மின்னஞ்சல்களை அனுப்புவது முதல் உடல் சாதனங்களைக் கட்டுப்படுத்துவது வரை பரந்த அளவிலான பணிகளைச் செய்ய உதவுகிறது. இந்த ஒருங்கிணைப்பு AI பயன்பாடுகளுக்கான புதிய சாத்தியங்களைத் திறக்கிறது, ஆனால் கவனமாக கவனிக்கப்பட வேண்டிய புதிய பாதுகாப்பு அபாயங்களையும் அறிமுகப்படுத்துகிறது.

MCP கட்டமைப்பைப் புரிந்துகொள்வது

அதன் மையத்தில், MCP ஆனது AI மாதிரிகளுக்கும் வெளிப்புறக் கருவிகளுக்கும் இடையிலான தொடர்பை எளிதாக்க ஒன்றாகச் செயல்படும் பல முக்கிய கூறுகளைக் கொண்டுள்ளது. இந்த கூறுகள் பின்வருமாறு:

• AI மாதிரி: இது கணினியை இயக்கும் மைய நுண்ணறிவு. இது GPT-4 போன்ற பெரிய மொழி மாதிரி (LLM) அல்லது ஒரு குறிப்பிட்ட பணிக்காக வடிவமைக்கப்பட்ட ஒரு சிறப்பு AI மாதிரியாக இருக்கலாம்.
• MCP சேவையகம்: இது AI மாதிரிக்கும் வெளிப்புறக் கருவிகளுக்கும் இடையில் ஒரு இடைத்தரகராக செயல்படுகிறது. இது AI மாதிரியிலிருந்து கோரிக்கைகளைப் பெற்று, அவற்றைச் சரிபார்த்து, பொருத்தமான கருவிக்கு அனுப்புகிறது.
• வெளிப்புறக் கருவிகள்: இவை AI மாதிரி தொடர்பு கொள்ளும் சேவைகள் மற்றும் பயன்பாடுகள். அவை தரவுத்தளங்கள், APIகள், வலை சேவைகள் மற்றும் உடல் சாதனங்கள் கூட அடங்கும்.
• பயனர் இடைமுகம்: இது பயனர்கள் AI அமைப்புடன் தொடர்பு கொள்ளவும் அதன் நடத்தையை கட்டுப்படுத்தவும் ஒரு வழியை வழங்குகிறது. இது பயனர்கள் கருவி கோரிக்கைகளை அங்கீகரிக்க அல்லது நிராகரிக்க ஒரு வழியையும் வழங்கலாம்.

MCP இன் நன்மைகள்

மாதிரி சூழல் நெறிமுறை பாரம்பரிய AI அமைப்புகளை விட பல குறிப்பிடத்தக்க நன்மைகளை வழங்குகிறது:

• அதிகரித்த செயல்பாடு: வெளிப்புற கருவிகளுடன் ஒருங்கிணைப்பதன் மூலம், AI மாதிரிகள் தாங்களாகவே செய்யக்கூடியதை விட அதிகமான பணிகளைச் செய்ய முடியும்.
• மேம்படுத்தப்பட்ட செயல்திறன்: MCP ஆனது மனித தலையீடு தேவைப்படும் பணிகளை தானியக்கமாக்க முடியும், இது நேரம் மற்றும் வளங்களைச் சேமிக்கிறது.
• மேம்பட்ட நெகிழ்வுத்தன்மை: MCP ஆனது மாறும் சூழ்நிலைகளுக்கு ஏற்றவாறு மற்றும் நிகழ்நேரத்தில் புதிய தகவல்களுக்கு பதிலளிக்க AI மாதிரிகளை அனுமதிக்கிறது.
• அதிக அளவிடுதல்: MCP ஐ அதிக எண்ணிக்கையிலான பயனர்கள் மற்றும் கருவிகளைக் கொண்டிருக்கும் அளவுக்கு எளிதாக அளவிட முடியும்.

MCP இல் உருவாகும் பாதுகாப்பு அபாயங்கள்

அதன் நன்மைகள் இருந்தபோதிலும், MCP பல பாதுகாப்பு அபாயங்களை அறிமுகப்படுத்துகிறது, அவை கவனமாக பரிசீலிக்கப்பட வேண்டும். இந்த அபாயங்கள் AI மாதிரிகள் வெளிப்புற உலகத்துடன் தொடர்பு கொள்ள அனுமதிக்கின்றன என்பதிலிருந்து எழுகின்றன, இது தாக்குதல் செய்பவர்கள் பயன்படுத்த புதிய வழிகளைத் திறக்கிறது.

ப்ராம்ட் இன்ஜெக்ஷன் தாக்குதல்கள்

ப்ராம்ட் இன்ஜெக்ஷன் தாக்குதல்கள் MCP அமைப்புகளுக்கு குறிப்பாக கவலை அளிக்கும் அச்சுறுத்தலாக இருக்கின்றன. ப்ராம்ட் இன்ஜெக்ஷன் தாக்குதலில், ஒரு தாக்குதல் செய்பவர் தீங்கிழைக்கும் உள்ளீட்டை உருவாக்குகிறார், இது AI மாதிரியை திட்டமிடப்படாத செயல்களைச் செய்யும்படி கையாளுகிறது. AI மாதிரியின் உள்ளீட்டில் தீங்கிழைக்கும் கட்டளைகள் அல்லது வழிமுறைகளைச் செருகுவதன் மூலம் இதைச் செய்ய முடியும், அதை மாதிரி சட்டபூர்வமான கட்டளைகளாக விளக்குகிறது.

எடுத்துக்காட்டாக, ஒரு தாக்குதல் செய்பவர் தரவுத்தளத்தில் உள்ள அனைத்து தரவையும் நீக்க அல்லது அங்கீகரிக்கப்படாத தரப்பினருக்கு முக்கியமான தகவல்களை அனுப்ப AI மாதிரிக்குச் சொல்லும் ஒரு கட்டளையைச் செருகலாம். வெற்றிகரமான ப்ராம்ட் இன்ஜெக்ஷன் தாக்குதலின் சாத்தியமான விளைவுகள் தரவு மீறல்கள், நிதி இழப்புகள் மற்றும் நற்பெயருக்கு களங்கம் ஏற்படுதல் உள்ளிட்ட கடுமையானதாக இருக்கலாம்.

தீங்கிழைக்கும் கருவி ஒருங்கிணைப்பு

மற்றொரு குறிப்பிடத்தக்க ஆபத்து MCP சுற்றுச்சூழல் அமைப்பில் தீங்கிழைக்கும் கருவிகளை ஒருங்கிணைப்பதாகும். ஒரு தாக்குதல் செய்பவர் சட்டபூர்வமானதாகத் தோன்றும் ஒரு கருவியை உருவாக்க முடியும், ஆனால் உண்மையில் தீங்கிழைக்கும் குறியீட்டைக் கொண்டுள்ளது. AI மாதிரி இந்த கருவியுடன் தொடர்பு கொள்ளும்போது, தீங்கிழைக்கும் குறியீடு செயல்படுத்தப்படலாம், இது முழு அமைப்பையும் சமரசம் செய்யலாம்.

எடுத்துக்காட்டாக, ஒரு தாக்குதல் செய்பவர் பயனர் சான்றுகளைத் திருடும் அல்லது கணினியில் தீம்பொருளை நிறுவும் ஒரு கருவியை உருவாக்க முடியும். தீங்கிழைக்கும் குறியீட்டை அறிமுகப்படுத்துவதைத் தடுக்க MCP சுற்றுச்சூழல் அமைப்பில் ஒருங்கிணைப்பதற்கு முன்பு அனைத்து கருவிகளையும் கவனமாக சரிபார்க்க வேண்டியது அவசியம்.

சலுகை அதிகரிப்பு

சலுகை அதிகரிப்பு என்பது MCP அமைப்புகளில் உள்ள மற்றொரு சாத்தியமான பாதுகாப்பு ஆபத்து. ஒரு தாக்குதல் செய்பவர் குறைந்த சலுகைகளைக் கொண்ட ஒரு கணக்கை அணுக முடிந்தால், அவர்கள் அமைப்பில் உள்ள பாதிப்புகளைப் பயன்படுத்தி உயர்-நிலை சலுகைகளைப் பெற முடியும். இது தாக்குதல் செய்பவரை முக்கியமான தரவை அணுகவும், கணினி உள்ளமைவுகளை மாற்றவும் அல்லது முழு அமைப்பையும் கட்டுப்படுத்தவும் அனுமதிக்கலாம்.

தரவு விஷம்

தரவு விஷம் என்பது AI மாதிரிகளை உருவாக்கப் பயன்படுத்தப்படும் பயிற்சித் தரவில் தீங்கிழைக்கும் தரவைச் செலுத்துவதை உள்ளடக்கியது. இது மாதிரியின் நடத்தையை சிதைத்து, தவறான கணிப்புகளைச் செய்ய அல்லது திட்டமிடப்படாத நடவடிக்கைகளை எடுக்கச் செய்யலாம். MCP இன் சூழலில், தரவு விஷம் AI மாதிரியை தீங்கிழைக்கும் கருவிகளுடன் தொடர்பு கொள்ள அல்லது பிற தீங்கு விளைவிக்கும் செயல்களைச் செய்ய கையாள பயன்படுத்தப்படலாம்.

தெரிவுநிலை மற்றும் கட்டுப்பாடு இல்லாமை

பாரம்பரிய பாதுகாப்பு கருவிகள் MCP அமைப்புகளுக்கு எதிரான தாக்குதல்களைக் கண்டறிந்து தடுப்பதில் பெரும்பாலும் பயனற்றவை. MCP ட்ராஃபிக் பெரும்பாலும் குறியாக்கம் செய்யப்படுவதாலும், சட்டபூர்வமான ட்ராஃபிக்கிலிருந்து வேறுபடுத்துவது கடினமாக இருப்பதாலும் இது நிகழ்கிறது. இதன் விளைவாக, AI மாதிரி செயல்பாட்டைக் கண்காணிப்பதும் தீங்கிழைக்கும் நடத்தையை அடையாளம் காண்பதும் சவாலாக இருக்கலாம்.

அட்டவணையைத் திருப்புதல்: பாதுகாப்புக்காக ப்ராம்ட் இன்ஜெக்ஷனைப் பயன்படுத்துதல்

Tenable இன் ஆராய்ச்சி, ப்ராம்ட் இன்ஜெக்ஷன் தாக்குதல்களில் பயன்படுத்தப்படும் அதே நுட்பங்களை MCP அமைப்புகளுக்கு வலுவான பாதுகாப்புகளை உருவாக்க மீண்டும் பயன்படுத்தலாம் என்பதை நிரூபிக்கிறது. கவனமாக வடிவமைக்கப்பட்ட தூண்டுதல்களை உருவாக்குவதன் மூலம், பாதுகாப்பு குழுக்கள் AI மாதிரி செயல்பாட்டைக் கண்காணிக்கலாம், தீங்கிழைக்கும் கருவிகளைக் கண்டறியலாம் மற்றும் தாக்குதல்களைத் தடுக்க பாதுகாப்பு தண்டவாளங்களை உருவாக்கலாம்.

கருவி சங்கிலிகளை தணிக்கை செய்தல்

ப்ராம்ட் இன்ஜெக்ஷனின் முக்கிய தற்காப்பு பயன்பாடுகளில் ஒன்று கருவி சங்கிலிகளை தணிக்கை செய்வது. AI மாதிரியின் உள்ளீட்டில் குறிப்பிட்ட தூண்டுதல்களை செலுத்துவதன் மூலம், பாதுகாப்பு குழுக்கள் AI மாதிரி எந்த கருவிகளைப் பயன்படுத்துகிறது மற்றும் அது அவர்களுடன் எவ்வாறு தொடர்பு கொள்கிறது என்பதைக் கண்காணிக்க முடியும். சந்தேகத்திற்கிடமான செயல்பாட்டை அடையாளம் காணவும், AI மாதிரி அங்கீகரிக்கப்பட்ட கருவிகளை மட்டுமே பயன்படுத்துவதை உறுதி செய்யவும் இந்தத் தகவலைப் பயன்படுத்தலாம்.

தீங்கிழைக்கும் அல்லது தெரியாத கருவிகளைக் கண்டறிதல்

தீங்கிழைக்கும் அல்லது தெரியாத கருவிகளைக் கண்டறியவும் ப்ராம்ட் இன்ஜெக்ஷனைப் பயன்படுத்தலாம். குறிப்பிட்ட நடத்தைகளைத் தூண்டும் தூண்டுதல்களை செலுத்துவதன் மூலம், பாதுகாப்பு குழுக்கள் சந்தேகத்திற்கிடமான முறையில் செயல்படும் அல்லது பயன்படுத்த அங்கீகரிக்கப்படாத கருவிகளை அடையாளம் காண முடியும். இது AI மாதிரியை தீங்கிழைக்கும் கருவிகளுடன் தொடர்பு கொள்வதைத் தடுக்கவும், தாக்குதலிலிருந்து கணினியைப் பாதுகாக்கவும் உதவும்.

MCP ஹோஸ்ட்களுக்குள் பாதுகாப்பு தண்டவாளங்களை உருவாக்குதல்

ப்ராம்ட் இன்ஜெக்ஷனின் மிகவும் சக்திவாய்ந்த தற்காப்பு பயன்பாடு MCP ஹோஸ்ட்களுக்குள் பாதுகாப்பு தண்டவாளங்களை உருவாக்குவது. குறிப்பிட்ட பாதுகாப்பு கொள்கைகளை அமல்படுத்தும் தூண்டுதல்களை செலுத்துவதன் மூலம், பாதுகாப்பு குழுக்கள் AI மாதிரி அங்கீகரிக்கப்படாத செயல்களைச் செய்வதையோ அல்லது முக்கியமான தரவை அணுகுவதையோ தடுக்க முடியும். இது AI மாதிரி செயல்பாட்டிற்கு பாதுகாப்பான சூழலை உருவாக்கவும், தாக்குதலிலிருந்து கணினியைப் பாதுகாக்கவும் உதவும்.

வெளிப்படையான பயனர் ஒப்புதலின் முக்கியத்துவம்

MCP சூழலில் எந்தவொரு கருவியும் இயக்குவதற்கு முன் வெளிப்படையான பயனர் ஒப்புதல் தேவை என்பதை ஆராய்ச்சி அடிக்கோடிட்டுக் காட்டுகிறது. MCP ஏற்கனவே இந்தத் தேவையை உள்ளடக்கியுள்ளது, ஆனால் கடுமையான குறைந்த-சலுகை இயல்புநிலைகள் மற்றும் முழுமையான தனிப்பட்ட கருவி மதிப்பாய்வு மற்றும் சோதனை ஆகியவற்றின் அவசியத்தை கண்டுபிடிப்புகள் வலுப்படுத்துகின்றன. இந்த அணுகுமுறை பயனர்கள் AI அமைப்பின் மீது கட்டுப்பாட்டைப் பராமரிக்கவும், திட்டமிடப்படாத செயல்களைச் செய்வதிலிருந்து அதைத் தடுக்கவும் உதவுகிறது.

குறைந்த-சலுகை இயல்புநிலைகள்

குறைந்த சலுகையின் கொள்கையானது பயனர்கள் தங்கள் வேலை செயல்பாடுகளைச் செய்வதற்கு தேவையான குறைந்தபட்ச அளவிலான அணுகலை மட்டுமே வழங்க வேண்டும் என்று கட்டளையிடுகிறது. MCP இன் சூழலில், AI மாதிரிகள் தங்கள் பணிகளைச் செய்ய முற்றிலும் தேவையான கருவிகள் மற்றும் தரவுகளுக்கான அணுகலை மட்டுமே வழங்க வேண்டும் என்று இது குறிக்கிறது. இது வெற்றிகரமான தாக்குதலின் சாத்தியமான தாக்கத்தை குறைக்கிறது மற்றும் தாக்குதல் செய்பவரின் சலுகைகளை அதிகரிக்கும் திறனைக் கட்டுப்படுத்துகிறது.

முழுமையான கருவி மதிப்பாய்வு மற்றும் சோதனை

எந்தவொரு கருவியையும் MCP சுற்றுச்சூழல் அமைப்பில் ஒருங்கிணைப்பதற்கு முன், அது பாதுகாப்பானது மற்றும் எந்தத் தீங்கிழைக்கும் குறியீட்டையும் கொண்டிருக்கவில்லை என்பதை உறுதிப்படுத்த அதை முழுமையாக மதிப்பாய்வு செய்து சோதனை செய்வது அவசியம். இது குறியீடு பகுப்பாய்வு, ஊடுருவல் சோதனை மற்றும் பாதிப்பு ஸ்கேனிங் உள்ளிட்ட தானியங்கி மற்றும் கையேடு சோதனை நுட்பங்களின் கலவையை உள்ளடக்கியதாக இருக்க வேண்டும்.

தாக்கங்கள் மற்றும் பரிந்துரைகள்

Tenable இன் ஆராய்ச்சி MCP ஐப் பயன்படுத்தும் அல்லது பயன்படுத்தத் திட்டமிடும் அமைப்புகளுக்கு குறிப்பிடத்தக்க தாக்கங்களைக் கொண்டுள்ளது. MCP உடன் தொடர்புடைய பாதுகாப்பு அபாயங்களைப் புரிந்துகொள்வதன் முக்கியத்துவத்தையும், அந்த அபாயங்களைக் குறைக்க பொருத்தமான பாதுகாப்பு நடவடிக்கைகளை செயல்படுத்துவதன் முக்கியத்துவத்தையும் கண்டுபிடிப்புகள் எடுத்துக்காட்டுகின்றன.

முக்கிய பரிந்துரைகள்

• வலுவான உள்ளீட்டு சரிபார்ப்பை செயல்படுத்துங்கள்: ப்ராம்ட் இன்ஜெக்ஷன் தாக்குதல்களைத் தடுக்க AI மாதிரிக்கான அனைத்து உள்ளீடுகளையும் கவனமாக சரிபார்க்க வேண்டும். இதில் தீங்கிழைக்கும் கட்டளைகள் மற்றும் வழிமுறைகளை வடிகட்டுதல் மற்றும் உள்ளீட்டின் நீளம் மற்றும் சிக்கலை கட்டுப்படுத்துதல் ஆகியவை அடங்கும்.
• கடுமையான அணுகல் கட்டுப்பாடுகளை அமல்படுத்துங்கள்: அங்கீகரிக்கப்படாத அணுகலைத் தடுக்க முக்கியமான தரவு மற்றும் கருவிகளுக்கான அணுகல் கடுமையாகக் கட்டுப்படுத்தப்பட வேண்டும். இதில் வலுவான அங்கீகார வழிமுறைகளைப் பயன்படுத்துவது மற்றும் குறைந்த சலுகையின் கொள்கையை செயல்படுத்துவது ஆகியவை அடங்கும்.
• AI மாதிரி செயல்பாட்டைக் கண்காணிக்கவும்: சந்தேகத்திற்கிடமான நடத்தையை கண்டறிய AI மாதிரி செயல்பாட்டை நெருக்கமாக கண்காணிக்க வேண்டும். இதில் அனைத்து கருவி கோரிக்கைகள் மற்றும் பதில்களை பதிவு செய்வது மற்றும் முரண்பாடுகளுக்கான தரவை பகுப்பாய்வு செய்வது ஆகியவை அடங்கும்.
• வலுவான சம்பவ பதிலளிப்புத் திட்டத்தை செயல்படுத்தவும்: MCP அமைப்புகளை உள்ளடக்கிய பாதுகாப்பு சம்பவங்களைச் சமாளிக்க நிறுவனங்கள் வலுவான சம்பவ பதிலளிப்புத் திட்டத்தைக் கொண்டிருக்க வேண்டும். இதில் தாக்குதல்களை அடையாளம் காண்பது, கட்டுப்படுத்துவது மற்றும் மீட்பது ஆகியவற்றுக்கான நடைமுறைகள் அடங்கும்.
• தகவலுடன் இருங்கள்: MCP நிலப்பரப்பு தொடர்ந்து உருவாகி வருகிறது, எனவே சமீபத்திய பாதுகாப்பு அபாயங்கள் மற்றும் சிறந்த நடைமுறைகள் குறித்து தகவலுடன் இருப்பது அவசியம். பாதுகாப்பு அஞ்சல் பட்டியல்களுக்கு குழுசேர்வதன் மூலமும், பாதுகாப்பு மாநாடுகளில் கலந்துகொள்வதன் மூலமும், சமூக ஊடகங்களில் பாதுகாப்பு நிபுணர்களைப் பின்பற்றுவதன் மூலமும் இதைச் செய்யலாம்.

இந்த பரிந்துரைகளைப் பின்பற்றுவதன் மூலம், நிறுவனங்கள் தங்கள் MCP அமைப்புகளுக்கு எதிரான தாக்குதல்களின் அபாயத்தை கணிசமாகக் குறைத்து, அவர்களின் முக்கியமான தரவைப் பாதுகாக்க முடியும். பாதுகாப்பான மற்றும் நம்பகமான அமைப்புகளை உருவாக்கும் நமது திறனை AI இன் எதிர்காலம் சார்ந்துள்ளது, அதற்கு பாதுகாப்பிற்கான ஒரு செயலூக்கமான மற்றும் விழிப்புணர்வு அணுகுமுறை தேவைப்படுகிறது.