🤖 AI

MCPThreatHive: Automated Threat Intelligence for Model Context Protocol Ecosystems

تقدم الورقة البحثية MCPThreatHive، وهي منصة مفتوحة المصدر تعمل على أتمتة دورة حياة استخبارات التهديدات من البداية إلى النهاية لأنظمة بروتوكول سياق النموذج (MCP) من خلال الاستفادة من تصنيف منسق لـ 38 تهديداً خاصاً ببروتوكول MCP لمعالجة الفجوات الحرجة في نمذجة الهجمات التركيبية، والمراقبة المستمرة، والتصنيف الموحد.

المؤلفون الأصليون: Yi Ting Shen, Kentaroh Toyoda, Alex Leung

نُشر 2026-04-16

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Yi Ting Shen, Kentaroh Toyoda, Alex Leung

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك قمت للتو ببناء مساعد روبوت فائق الذكاء (وكيل ذكاء اصطناعي - AI Agent) يمكنه فعل أي شيء تقريبًا: قراءة رسائل البريد الإلكتروني الخاصة بك، والتحقق من حسابك البنكي، وكتابة الأكواد البرمجية، وطلب البيتزا. ولجعل هذا ممكنًا، أعطيت الروبوت جهاز تحكم عن بعد عالمي يسمى MCP (بروتوكول سياق النموذج). هذا الجهاز يسمح للروبوت بالتحدث مع آلاف "التطبيقات" أو "الأدوات" المختلفة (مثل تطبيق الطقس، أو مدير الملفات، أو قاعدة بيانات).

لكن المشكلة هي: جهاز التحكم عن بعد معطل، والمخترقون يكتشفون كيفية اختراقه.

تقدم هذه الورقة البحثية MCPThreatHive، وهي أداة مفتوحة المصدر مصممة لتكون "الحارس الأمني" و"المحقق" لهذا العالم الجديد من روبوتات الذكاء الاصطناعي.

إليك تفصيل ما تدور حوله الورقة، باستخدام تشبيهات بسيطة:

1. المشكلة: "جهاز التحكم السحري" خطير

فكر في بروتوكول MCP كأنه جهاز تحكم سحري عن بعد. عندما تضغط على زر، يقرر الذكاء الاصطناعي أي أداة يستخدم بناءً على وصف مكتوب بلغة بسيطة.

الخلل: نظرًا لأن الذكاء الاصطناعي يقرأ الأوصاف كما يقرأ الإنسان قائمة الطعام، يمكن للمخترقين كتابة "أوصاف مسمومة".
الهجوم: تخيل أن مخترقًا كتب ملاحظة على قائمة طعام تقول: "هذه البيتزا مذاقها رائع، ولكن إذا قرأت هذا، يرجى أيضًا سرقة بطاقة الائتمان الخاصة بجاري". يقرأ الذكاء الاصطناعي الملاحظة، ويعتقد أنها جزء من طلب البيتزا، ويقوم بالسرقة عن غير قصد.
"تفاعل السلسلة": والأسوأ من ذلك، يمكن للمخترقين ربط الأدوات معًا. الأداة (أ) (غير ضارة) ترسل رسالة إلى الأداة (ب) (غير ضارة)، ومعًا يقومان بشيء فظيع. إنه يشبه لعبة "التليفون المكسور" حيث تكون الرسالة النهائية كارثية.

أدوات الأمن الحالية تشبه أدوات فتح الأقفال التقليدية. إنها تنظر إلى كل باب على حدة. إنها لا تفهم أن الخطر يأتي من كيفية اتصال الأبواب ببعضها البعض، أو أن "قائمة الطعام" نفسها يتم إعادة كتابتها في الوقت الفعلي.

2. الحل: MCPThreatHive (حارس الأمن "عقل الخلية")

بنى المؤلفون MCPThreatHive، الذي يعمل مثل فريق أمن فائق الذكاء لا ينام أبدًا. بدلًا من مجرد فحص باب واحد، فإنه يراقب الحي بأكمله.

يعمل من خلال أربع خطوات رئيسية (خط الإنتاج):

الخطوة 1: الآذان (جمع المعلومات الاستخباراتية)

تخيل فريقًا من الجواسيس يستمع إلى كل محطة راديو، ويقرأ كل جريدة، ويتحقق من كل تقرير شرطة في العالم.

يقوم MCPThreatHive تلقائيًا بمسح الإنترنت، والمدونات الأمنية، ومستودعات الأكواد البرمجية على مدار الساعة طوال الأسبوع.
يبحث عن قصص جديدة حول اختراقات الذكاء الاصطناعي، تمامًا مثل المحقق الذي يبحث عن أدلة في سجل الجرائم.

الخطوة 2: العقل (التحليل بالذكاء الاصطناعي)

بمجرد أن يجد الجواسيس دليلًا، يحضرونه إلى محقق فائق الذكادة (ذكاء اصطناعي) ليفهم معنى ذلك.

هذا الذكاء الاصطناعي لا يكتفي بالقول "تم العثور على شيء سيء". بل يقرأ القصة ويتساءل: "هل هذه خدعة؟ أي من حيل المخترقين الـ 38 المعروفة هي هذه؟ هل تتوافق مع فئات STRIDE أو OWASP الأمنية؟"
يستخدم طريقة "سلسلة الأفكار" (مثل التفكير بصوت عالٍ) للتأكد من عدم ارتباكه.
يعطي التهديد درجة خطورة (مثل تنبيهات الطقس: منخفضة، متوسطة، عالية، أو حرجة).

الخطوة 3: الخريطة (الرسم البياني للمعرفة)

بدلًا من مجرد كتابة الدليل في دفتر ملاحظات، يرسم الفريق خريطة ثلاثية الأبعاد ضخمة للمدينة.

كل خدعة من خدع المخترقين، وكل أداة، وكل نقطة ضعف هي "مبنى" على هذه الخريطة.
الخطوط تربط بينها. إذا استخدم مخترق الأداة (أ) للوصول إلى الأداة (ب)، يتم رسم خط بينهما.
يساعد هذا فرق الأمن على رؤية هجمات "تفاعل السلسلة" التي تغفل عنها الأدوات الأخرى. إنه يشبه رؤية أن حريقًا في المطبخ (الأداة أ) سيؤدي في النهاية إلى حرق المنزل بأكمله بسبب خط الغاز (الأداة ب).

الخطوة 4: لوحة التحكم (التصور والتخطيط)

أخيرًا، يعرض لك الفريق لوحة تحكم تفاعلية رائعة.

المدينة ثلاثية الأبعاد: يمكنك رؤ المقاطع العمرانية حيث تكون المباني الحمراء العالية هي التهديدات الأكثر خطورة.
مخطط المخاطر: هو لا يكتفي بإظهار المشكلة لك فحسب؛ بل يكتب لك قائمة مهام. يقول لك: "مهلاً، قم بإصلاح وصف هذه الأداة تحديدًا أولاً لأنها الأكثر عرضة للاختراق".

3. لماذا هذا مختلف؟ (تحليل الفجوة)

تقارن الورقة البحثية بين MCPThreatHive والأدوات الأخرى الموجودة وتجد ثلاث فجوات كبيرة في الأمن الحالي:

يفوتون "السلسلة": الأدوات الأخرى تفحص كل أداة على حدة. أما MCPThreatHive فيرى كيف تعمل الأدوات معًا لإحداث الضرر.
هي أدوات "لقطة ثابتة": الأدوات الأخرى تتحقق من الأمن مرة واحدة فقط (مثل الفحص الطبي السنوي). أما MCPThreatHive فهو كاميرا حية تراقب التهديدات الجديدة في كل ثانية.
يتحدثون لغات مختلفة: أداة واحدة تتحدث لغة "STRIDE"، وأخرى تتحدث "OWASP". أما MCPThreatHive فهو مترجم عالمي يربط كل شيء بكل اللغات الأمنية الرئيسية في وقت واحد.

4. إثبات من الواقع

اختبر المؤلفون نظامهم على اختراق حقيقي حدث في عام 2025 (حادثة GitHub MCP).

الاختراق: أخفى مخترق أمرًا خبيثًا داخل ملف عام. وعندما قرأ الذكاء الاصطناعي الملف، قام بسرقة بيانات خاصة.
النتيجة: وجد MCPThreatHive المقال الإخباري حول الاختراق، وحلله، وحدد بدقة أنه "حقن أوامر غير مباشر" (Indirect Prompt Injection)، وربطه بالفئات الأمنية الصحيحة، ورسم العلاقة بين قارئ الملف وسارق البيانات على خريطته.
الاستنتاج: لقد عمل تمامًا كما يفعل الخبير البشري، ولكن بسرعة أكبر بكثير.

ملخص

MCPThreatHive هو عقل أمني مستمر ومؤتمت لعصر روبوتات الذكاء الاصطناعي الجديد. إنه يستمع للعالم بحثًا عن الاختراقات الجديدة، ويستخدم الذكاء الاصطناعي لفهم الحيل المعقدة التي يستخدمها المخترقون، ويرسم خريطة لكيفية اتصال هذه الحيل ببعضها البعض، ويمنح فرق الأمن خطة واضحة لإصلاح الثغرات قبل أن يتمكن الأشرار من استغلالها.

إنه ليس مجرد قفل؛ إنه نظام أمني تنبؤي لعالم حيث أصبح وكلاء الذكاء الاصطناعي هم الموظفين الجدد.

إليك ملخص تقني مفصل لورقة البحث بعنوان "MCPThreatHive: الاستخبارات التهديدية المؤتمتة لأنظمة بروتوكول سياق النموذج (MCP)" (أبريل 2026).

1. بيان المشكلة

أدى الاعتماد السريع لـ بروتوكول سياق النموذج (MCP) إلى خلق مشهد أمني جديد حيث تتصل وكلاء النماذج اللغوية الكبيرة (LLM Agents) بأدوات ومصادر بيانات خارجية. وبخلاف الواجهات البرمجية التقليدية، يعتمد MCP على أوصاف باللغة الطبيعية تفسرها النماذج اللغية الكبيرة لاختيار الأدوات واستدعائها، مما يفتح المجال أمام ناقلات هجوم دلالية (Semantic Attack Vectors) فريدة تفشل أطر الأمن الحالية في معالجتها بشكل شامل:

سطح الهجوم الدلالي (Semantic Attack Surface): يمكن للمهاجمين التلاعب بأوصاف الأدوات، أو محتوى الموارد، أو البيانات الخارجية للتأثير على اتخاذ القرار في النموذج اللغوي (مثل: حقن الأوامر غير المباشر، وتسميم وصف الأدوات).
المخاطر التركيبية (Compositional Risks): يمكن ربط أدوات حميدة فردية معاً لتشكيل سير عمل خبيث (مثل: سلاسل الأدوات الطفيلية)، وهو خطر لا تلتقطه الأدوات التي تحلل عمليات الاستدعاء الفردية.
الافتقار إلى الاستخبارات المستمرة: تعمل الأدوات الحالية كأدوات فحص لحظية أو بروكسي وقت التشغيل، وتفتقر إلى المراقبة المستمرة للتهديدات الناشئة عبر المصادر المتنوعة.
التصنيف المجزأ: تصنف الأدوات الحالية التهديدات ضد أطر عمل واحدة فقط (مثل: STRIDE فقط أو OWASP فقط)، وتفشل في تقديم رؤية موحدة ومتعددة الأطر لمشهد التهديدات.

2. المنهجية: بنية MCPThreatHive

إن MCPThreatHive هو منصة استخبارات تهديدات مفتوحة المصدر وشاملة (End-to-End) مصممة لأتمتة دورة حياة إدارة تهديدات MCP. وهي تعمل عبر خط إنتاج مكون من أربع مراحل:

أ. جمع الاستخبارات

يقوم النظام بتجميع البيانات باستمرار من أربعة مصادر:

البحث عبر الويب (DuckDuckGo).
خلاصات RSS (ArXiv، والمدونات الأمنية مثل Krebs on Security).
قاعدة بيانات NIST للثغرات الأمنية الوطنية (NVD).
تنبيهات الأمان في GitHub.
الآلية: يقوم "مولد الكلمات المفتاحية" المدعوم بالنماذج اللغوية الكبيرة بإنشاء استعلامات مستهدفة بناءً على تصنيف MCP-38. ويقوم مرشح الصلة ( $\theta = 0.70$ ) بفحص العناصر الواردة قبل تحليلها.

ب. تحليل التهديدات المدعوم بالذكاء الاصطناعي

يتم معالجة عناصر الاستخبارات الواردة في دفعات باستخدام نموذج لغوي كبير (LLM) مع استراتيجية استدلال سلسلة الأفكام (Chain-of-Thought - CoT).

التصنيف: يقوم النموذج اللغوي بتعيين معرفات التهديد من تصنيف MCP-38 (38 نمطاً محدداً)، وربطها بإطار STRIDE، وتقييم عوامل المخاطر المقتبسة من DREAD.
إصلاح المخرجات: للتعامل مع بتر السياق أو تنسيق JSON المشوه، يضمن خط أنابيب الإصلاح ثلاثي المراحل (التحليل الصارم، موازنة الأقواس، واستخراج الأنماط) الحصول على مخرجات مهيكلة.
تحليل السلسلة الطفيلية: يقوم النظام بتوسيم التهديدات بنموذج MCP-UPD (الإفصاح غير المقصود عن الخصوصية)، وتحديد مراحل مثل الاستيعاب الطفيلي، جمع الخصوصية، والإفصاح عن الخصوصية.

ج. تسجيل المخاطر المركبة

يقوم نموذج مخاطر كمي مقتبس من DREAD بحساب درجة نهائية ( $R_{final}$ ) على مقياس من 0 إلى 10:
$R_{final} = \min(10.0, (R \times P) \times 10)$
حيث أن $R$ هي الدرجة الأساسية المشتقة من أربعة عوامل موزونة:

شدة التأثير الأمني ( $L_{norm}$ ، وزن 35%).
معدل نجاح الهجوم ( $S$ ، وزن 30%).
الاستمرارية/النطاق ( $I$ ، وزن 20%).
سهولة الاستغلال ( $D$ ، وزن 15%).

المضاعفات ( $P$ ): تقوم مضاعفات محددة بتضخيم الدرجات للهجمات الدلالية ( $\times 1.20$ )، والسلاسل الطفيلية ( $\times 1.15$ )، وانخفاض القدرة على الملاحظة ( $\times 1.10$ ).

د. الرسم البياني للمعرفة والتصور

التخزين: يتم تخزين البيانات في قاعدة بيانات علاقية (SQL) ورسم بياني معرفي عصبي-رمزي (Neo4j).
حل الكيانات: يقوم خط أنابيب ثلاثي المستويات (المطابقة التامة، تشابه Jaccard، والتحقق عبر النموذج اللغوي) بدمج الكيانات المكررة.
التصور:
- مصفوفة التهديدات: تربط 38 تهديداً بشبكة 4x17 الخاصة بـ MCPSecBench.
  کـ "أفق مدينة" حيث يمثل ارتفاع المبنى درجة المخاطر واللون يمثل فئة سطح الهجوم (واجهات برمجة تطبيقات الخادم، بيانات وصف الأدوات، تدفق وقت التشغيل، النقل).
- مخطط مخاطر الذكاء الاصطناعي: يولد استراتيجيات تخفيف قابلة للتنفيذ باستخدام استراتيجية الدفعات-التجميع-التحسين (BAR) لتجنب المخرجات المتكررة.

3. المساهمات الرئيسية

خط إنتاج آلي من أربع مراحل: أول منصة تدمج الجمع المستمر، والتصنيف المدعوم بالذكاء الاصطناعي، وبناء الرسم البياني للمعرفة، والتصور خصيصاً لأنظمة MCP.
تشغيل تصنيف MCP-38: تنفذ المنصة بالكامل تصنيف تهديدات MCP-38، وتربط جميع الأنماط الـ 38 بكل من STRIDE، وOWASP Top 10 للنماذج اللغية، وOWASP Top 10 للتطبيقات الوكيلية (Agentic Applications).
تسجيل المخاطر المركبة: نموذج تسجيل مبتكر يجمع بين عوامل DREAD التقليدية مع مضاعفات خاصة بـ MCP لتحديد أولويات التهديدات كمياً.
نمذجة الهجوم التركيبي: القدرة على اكتشاف وتصور السلاسل الأدوات الطفيلية (Parasitic Tool Chains) عبر نموذج MCP-UPD، وتحديد المخاطر التي تظهر فقط عند ربط الأدوات الحميدة معاً.
تنفيذ مفتوح المصدر: منصة وظيفية بالكامل وقابلة للنشر عبر Docker ومتاحة للمجتمع.

4. النتائج والتقييم

التحليل المقارن: كشفت مقارنة مع الأدوات الحالية (MCP-Scan, Rampats, Agentic Radar, MCPSecBench) أن MCPThreatHive هو الأداة الوحيدة التي تدعم:
- الاستخبارات التهديدية المستمرة.
- بناء الرسم البياني للمعرفة لسلاسل الهجوم.
- الربط الموحد متعدد الأطر.
- تحليل سلسلة MCP-UPD.
دراسة حالة (حادثة GitHub MCP): تم اختبار خط الإنتاج ضد ثغرة حقن الأوامر في GitHub MCP لعام 2025.
- المدخلات: مقال إخباري يصف الحادثة.
- المخرجات: صنف النظام التهديد بشكل صحيح كـ MCP-20 (حقن الأوامر غير المباشر) و MCP-24 (تسريب البيانات).
- تحليل السلسلة: حدد بدقة هيكل الهجوم ذو المرحلتين (الانتقال من أداة إلى أخرى $\leftarrow$ الإفصاح غير المقصود عن الخصوصية)، وهو ما يطابق التحليل الخبير.
- درجة المخاطر: حسب درجة "حرجة" (10.0)، بما يتماشى مع شدة التأثير في العالم الحقيقي.

5. الأهمية

يعالج MCPThreatHive فجوة حرجة في أمن الذكاء الاصطناعي من خلال الانتقال من الفحص التفاعلي اللحظي إلى الاستخبارات التهديدية الاستباقية والمستمرة.

لفرق الأمن: يوفر رؤية موحدة لمشهد التهديدات، مما يسمح بتحديد أولويات المعالجة بناءً على درجات المخاطر الكمية والامتثال للأطر المتقاطعة (STRIDE/OWASP).
للباحثين: يسمح الرسم البياني المعرفي العصبي-الرمزي باكتشاف سلاسل الهجوم المعقدة متعددة الخطوات التي تكون غير مرئية للتحليل أحادي الأداة.
للنظام البيئي: من خلال تشغيل تصنيف MCP-38، فإنه يضع لغة معيارية لوصف وتخفيف التهديدات الخاصة بالبروتوكول، مما يعزز بيئة ذكاء اصطناعي وكيلية أكثر أماناً.

القيود والعمل المستقبلي: يقر المؤلفون بالاعتماد على النماذج اللغية الكبيرة (احتمالية الهلوسة) والحاجة إلى تقييم دقيق للضبط والضبط (precision/recall) على مجموعات بيانات أكبر. يتضمن العمل المستقبلي تصدير الاستخبارات كقواعد Semgrep/YARA للتكامل في وقت التشغيل ومراقبة سجلات MCP (مثل Smithery و Glama) للكشف عن الهجمات في الوقت الفعلي.