MCP安全扫描器盲区测试：单一得分极具误导性
Resident_Exercise_22 · reddit · 2026-08-13
随着 MCP（Model Context Protocol）安全扫描器快速普及，开发者构建了 MCP-DecayBench 基准测试，旨在量化评估这些工具的误报率与检测盲区。
该基准的核心是一组“硬负样本”（hard negatives）：即行为完全合法，但代码看起来像恶意的正常 MCP 服务器（例如会读取 SSH 配置的凭证助手）。实测两款主流扫描工具后发现：
- 两者均能 100% 拦截真实攻击。
- 在调优后，两者的误报率均停留在 0.25。
- 关键发现：两者的误报样本完全不重合。例如 Cisco 的 YARA 规则会误杀包含敏感路径的防御性工具，而 Snyk 会误杀包含特定词汇的备份工具。
作者指出，单一评分极具误导性，各工具的盲区并不重叠，仅使用单一工具会留下大量安全死角。项目已开源。
「安全」频道最新
- 报告：74% 企业存在超预期的影子 AI 工具 — TechNadu · 2026-08-13
- 学者批当前 AI 安全策略为「打补丁」，无法应对 ASI 挑战 — davidmanheim · 2026-08-13
- 因 HIPAA 封杀编程智能体：重回手敲代码的阵痛与反思 — ashsummer69 · 2026-08-13
- AI 透明度法规落地：Synthesia 签署欧盟 AI 法案第 50 条 — alexvoica · 2026-08-13
- Krawl：用 AI 生成假应用与蜜罐防御恶意爬虫 — tom_doerr · 2026-08-13
- OpenAI在印度Free和Go套餐测试广告，承诺不影响回答 — meltinglacier · 2026-08-13