“请出示凭证”:大规模检测 MCP 服务器中的文件系统能力洗白
"My Credentials, Please": Detecting Filesystem Capability Laundering in MCP Servers at Scale
作者提出检测框架 MCP-FSD 评估 21,097 个 MCP 服务器,动态三用例验证确认了 150 个存在文件系统能力清洗漏洞的实例。
受害系统为以独立子进程运行的本地 stdio MCP 服务器,具有用户环境文件权限且审批提示无基于工具的路径限制。
- 在本地部署中,客户端对工具调用的审批往往赋予服务端进程广泛的主机文件系统权限,导致攻击者可诱导良性工具访问声明契约与部署范围之外的敏感宿主文件,产生文件系统能力清洗风险。
- 提出两阶段框架 MCP-FSD:静态阶段通过多层筛选分析工具契约并基于启动配置、模式与代码推断各工具的最小权限边界;动态阶段使用生成的载荷,通过无沙箱攻击、沙箱良性、沙箱攻击三用例回放验证可利用性与隔离效果。
- 在来自 9 个注册表的 21,097 个服务器中,4,806 个分类服务器有 16.4% 展现契约外文件系统能力标记。三用例动态验证确认了 150 个脆弱实例,负责任披露产生了 13 项安全通告,包含 Anthropic Git MCP 服务器的 2 个 CVE。
- 动态验证受限于能成功安装运行的服务器与选定运行时配置;未系统量化推断边界的准确性,且主要聚焦响应内容泄露,未系统评测未授权写入修改;依赖沙箱后端强度,且未覆盖跨工具调用的系统性链式漏洞发现。
- 威胁模型
- 受害系统为以独立子进程运行的本地 stdio MCP 服务器,具有用户环境文件权限且审批提示无基于工具的路径限制。攻击者通过智能体摄入的不可信输入影响参数,诱使良性工具访问契约外宿主文件,在响应中泄露文件内容。攻击假设智能体发出被测调用且服务器有权限访问目标,篡改服务器代码与突破 OS 沙箱不在模型内。
- 基准
- Nine MCP registries catalog (pulsemcp, mcpservers, glamaai, mcpmarket, smithery, mcpgithub, mcpkit, clinebot)Hand-labeled stratified benchmark for L2 and L3Anthropic Git MCP ServerAnthropic Filesystem MCP Server
- 指标
- PrecisionRecallF1Confirmed instances countShare of static emissions (%)Share of triaged (%)
研究者提出文件系统能力洗白这一 MCP 服务器漏洞类别,并设计检测框架 MCP-FSD,在 21,097 个 MCP 服务器的目录中动态确认 150 个可越权读取宿主文件的实例。框架按服务器类别、工具契约和路径校验三层筛选,在 4,806 个被审查服务器中发现 787 个(16.4%)非文件类服务器具备文件系统能力。动态验证用三组测试区分越权可利用性与沙箱隔离效果;协调披露产生 13 份安全公告,包括 Anthropic Git MCP Server 的两个 CVE,分别涉及 git_init 未限制仓库创建路径和 git_add 的路径遍历暂存问题,均已由上游修复。
推荐理由论文扫描 21,097 个 MCP 服务器并确认 150 个文件系统越权实例,披露 Git MCP Server 的两个 CVE,可供部署者核对工具权限边界。
相关热点
1 个事件 · 1 条新闻提到
提到这篇论文的新闻
Adversa AI 汇总 2026 年 11 月 MCP 安全资源
- Adversa AI引用了论文编号或链接2026 年 11 月 MCP 安全资源精选
My credentials, please: detecting filesystem capability laundering in MCP servers at scale
深度解读
这篇论文试图解决什么问题?
本地 MCP 服务器在客户端审批后拥有宿主环境文件权限,攻击者可通过受控参数诱导良性工具越界读取敏感凭据。
这篇论文试图解决本地 Model Context Protocol(MCP)服务器中存在的“文件系统能力清洗”(filesystem capability laundering)安全漏洞。
- 问题场景与重要性:在典型的本地 stdio 部署中,客户端审批提示仅依据声明的工具参数放行执行,而底层的服务端独立子进程以用户环境文件权限运行,未受基于各工具的路径限制。攻击者可通过诱导看似良性的工具操作,读取并外发宿主机的敏感文件或凭据。
- 现有机制的不足:作者称,MCP 规范将基于各工具的文件系统强制实施完全委托给单个服务器实现或宿主环境;而操作系统的进程隔离若无显式沙箱策略,无法限制对宿主文件系统的访问。此外,既有的路径校验容易被前缀匹配缺失或软链接解析缺陷所绕过。
- 核心观察与三层差距:作者将能力清洗差距分解为三层:L1 服务器类别层(非文件系统类服务器常具备本地持久化能力导致类别错配)、L2 工具契约层(狭窄工具操作触及非预期范围文件)以及 L3 防御绕过层(既有路径检查被规避)。
- 威胁模型:
- 攻击者目标:实现文件系统信息泄露(filesystem disclosure),当 MCP 响应包含工具合法作用域之外的文件内容时判定攻击成功。
- 攻击者知识:评估从工具调用开始,假设智能体发出被测调用或序列,且服务端具备访问目标文件的宿主权限;论文未假设攻击者掌握服务器内部代码实现。
- 攻击者能力:通过智能体摄入的不可信输入影响驱动副作用的参数值,诱使工具行使超出契约的能力;任意修改服务器代码和突破操作系统沙箱在模型之外。
- 受害系统:以独立进程启动的本地 stdio MCP 服务器,缺乏基于具体工具的路径限制。
- 论文的解决方案:作者提出了 MCP-FSD(Filesystem Scope Detection)框架,结合静态分析筛选与针对推断最小权限边界的动态三用例回放,实现对 MCP 服务器文件系统能力清洗的大规模检测与隔离评估。
有哪些相关研究?
现有研究集中在描述代码不一致、WASI沙箱或宏观威胁,本文通过推断各工具策略并在原生宿主动态三用例回放连接证据链。
- MCP 安全与工具契约分析:
- DCIChecker(Shi 等,2026)结合结构化代码提取与提示仲裁检测描述与代码的不一致;作者指出 MCP-FSD 关注由攻击者受控参数触发的文件系统副作用,并针对每个工具推断出的策略进行测试。
- MCP-SandboxScan(Tan 等,2026)利用基于 WASM/WASI 的沙箱执行与输出匹配检测外部输入泄露;作者指出 MCP-FSD 将静态筛选与原生宿主运行时上的动态三用例回放结合,捕获复杂库调用的数据流。
- MICRYSCOPE(Yan 等,2025)与 MCPGuard(Wang 等,2025)分别针对 MCP 服务器中的加密误用开展跨语言污点分析,以及对 MCP 威胁与防御进行扫描和运行时监控的体系化梳理。
- 文件系统漏洞与访问控制检测:
- PathSentinel(Lee 等,2024)针对 Android 文件系统攻击进行程序分析与漏洞利用验证;作者指出 PathSentinel 基于预先存在的平台访问控制策略,而 MCP-FSD 直接从未标准化的工具描述和部署配置中推断最小权限边界。
- Akhoundali 等(2025)与 UntrustIDE(Lin 等,2024)分别研究了 GitHub 代码库中的路径遍历漏洞以及 VS Code 插件中的安全弱点。
- Claude Code 安全通告(Anthropic,2026)记录了智能体框架自身的路径遍历缺陷,包括前缀匹配绕过与符号链接跟踪绕过。
- 智能体安全与隔离机制:
- AgentHarm(Andriushchenko 等,2025)与 AgentDojo(Debenedetti 等,2024)构建了评测 LLM 智能体有害工具调用或动态提示注入攻击与防御的环境基准。
- Greshake 等(2023)与 InjecAgent(Zhan 等,2024)研究了间接提示注入对集成工具的 LLM 应用与智能体的影响。
- IsolateGPT(Wu 等,2025)与 nono(always-further,2025)分别提出了智能体系统的执行隔离架构与基于能力控制的操作系统沙箱运行时。
- 基线与测试基准:
- 论文在 L3 规则覆盖中参考了 Anthropic 官方 Filesystem MCP Server 的已知漏洞(CVE-2025-53110 兄弟目录前缀绕过、CVE-2025-53109 软链接边界绕过);评测构建了涵盖 9 个注册表的 21,097 个服务器目录,以及针对 L2(300 个工具)和 L3(297 个检出)的人工标注分层基准。
- 与既有工作的区别定位:
- 作者认为,描述与代码的一致性、文件到输出的流向与授权检查解决的是不同问题;MCP-FSD 将源码候选、推断策略和执行轨迹三者结合,直接打通了从声明操作、测试访问到响应返回字节的证据链。
- MCP 安全与工具契约分析:
论文如何解决这个问题?
提出两阶段框架 MCP-FSD,通过静态多层筛选与最小权限边界推断,结合动态三用例回放生成可执行的泄露证据。
整体思路上,MCP-FSD(Filesystem Scope Detection) 采用双阶段设计:先通过大规模抓取与多层静态分析筛选候选工具,再基于多源信号推断各工具的最小权限边界,最后通过针对该边界的动态三用例回放生成可执行的泄露证据。
问题形式化与能力清洗定义
在固定的部署上下文 d(包含服务器版本、启动配置、工作区和初始状态)下,调用工具 t 并传入参数 a 所产生的文件系统效果集合记为 E(t, a) ⊆ ℱ × {read, write},其中 ℱ 表示在访问时解析的文件系统目标。收集攻击者可通过摄入内容操控的所有参数向量 𝒜(t),其能够触及的所有文件效果集合记为 Reach(t)。契约与部署上下文所正当赋予的权限集合记为 B(t; d)。当且仅当满足下式时,工具 t 发生文件系统能力清洗:
\text{Reach}(t) \not\subseteq B(t; d)该公式表明工具实现的实际文件系统效果超出了其契约与部署所正当赋予的边界。当存在参数与文件对使得未授权读取的文件内容逐字出现在工具响应中时,该对即构成泄露证据。静态筛选与多层过滤器(L1–L3)
- 静态分析与 SARIF 记录:MCP-FSD 使用 LLM 识别工具注册、处理函数与路径参数,检查参数是否到达文件系统操作及是否经过校验,将候选结果以 SARIF 格式记录。
- 五类缺陷规则:覆盖 CWE-22(路径遍历)与 CWE-59(链接解析),包括 PT-001 缺失校验、PT-002 前缀匹配限制、PT-003 URL 遍历、PT-004 软链接 TOCTOU、PT-005 黑名单过滤。
- 四项针对 MCP 的筛选过滤(M1–M4):
- M1:对标记给 MCP 工具的 SARIF 检出进行排序,优先考虑文件内容汇聚点,排斥仅写入或 shell 操作;
- M2:检查工具模式,识别到达汇聚点的路径型参数;
- M3:审查响应构造逻辑,排除仅返回行数或模式描述符等派生元数据的工具,确保响应可能返回文件文本;
- M4:筛选能够在本地通过 stdio 运行的 MCP 服务器,剔除无法复现的云端托管服务。
最小权限边界推断算法
- 四类推断信号:Algorithm 1 综合四种输入:启动配置 L(工作目录 cwd、--root 启动参数、路径环境变量)、工具 JSON 模式中的路径字段 S、工具描述文本 D、以及从处理函数源码抽取的路径引用 R。
- 策略草拟与扩展:首先由语言模型结合 L、S、D 起草候选 glob 策略 P,随后检查源码可见的路径引用 Rstatic,若未被覆盖则通过 Cover 扩展策略以纳入运行时依赖(语言运行时、库文件及系统配置路径)。
- 读写权限拆分与固件规划:SplitRWRO 依据各参数在观察点的访问模式将策略划分为可读写路径集和只读路径集。固件规划器随后将包含敏感数据的凭据固件放置在所有许可范围之外,并将良性标记文件放置在工作目录范围之内。
载荷生成与动态三用例验证协议
- 迭代载荷生成:针对模式中的路径参数,语言模型基于已知的路径遍历范例进行种子初始化,并根据模式、推断边界及执行响应持续调整。对于接受结构化输入的工具,模型将目标路径包装入符合格式规范的容器文件(如 glTF、DOCX、Terraform 配置或 PNG)。
- 三用例验证协议:
- PoC 1(无沙箱攻击):在无沙箱的宿主机上执行恶意载荷,当且仅当响应中逐字包含预植凭据内容时判定成功,确认漏洞在非受限宿主上可被利用;
- PoC 2(沙箱良性):在应用推断沙箱策略的环境下执行良性载荷,要求正常成功且无系统拦截事件,验证沙箱策略保护了合法功能;
- PoC 3(沙箱攻击):在相同沙箱策略下重放 PoC 1 的恶意载荷,要求响应中不含凭据内容且产生显式拒绝或无泄露响应,检验该策略能否消除该利用。
- 判定准则:区分显式隔离(暴露操作系统拒绝事件)与隐式静默隔离(响应为空或无泄露)。评测记录三份解析后的响应轨迹与复现脚本以备裁决。
论文做了哪些实验?
在标注集上分类器 F1 达 0.978,动态验证确认 150 个漏洞实例,负责任披露推动修复了 Git 服务器等 2 个 CVE。
实验设置
- 评测语料与过滤漏斗:从 9 个注册表中抓取 21,097 个条目(17,919 个开源服务器),排除分叉、归档、远程托管及不可用代码后,筛选出 7,222 个本地开源服务器进入启动测量(其中 86.3% Python 和 72.7% Node 服务器成功启动);最终分流快照为 4,806 个服务器。
- 测试对象与环境:对成功解析的 4,292 个服务器执行静态分析,并使用 nono v0.43.0(基于 macOS Seatbelt 沙箱)对筛选出的候选实例进行动态三用例验证。
- 基线与分层标注集:使用包含 300 个候选的人工分层标注样本评测 L2 工具名分类器(300 个工具)与 L3 防御绕过分类器(297 个检出,3 个因仓库失效排除);并以官方 Filesystem MCP Server 的 2 个已知 CVE(CVE-2025-53110 与 CVE-2025-53109)作为 L3 静态规则覆盖参考。
- 分析单元划分:区分四种单元:服务器(4,806 个分类条目)、静态检出(SARIF finding sites)、动态实例(通过三用例回放确认的独立“工具-策略”对)和披露包(提交给厂商的漏洞报告)。
- 判定与披露准则:主要披露准则依赖凭据标记完全匹配(150 个确认实例中 136 个依赖此项,其余 14 个依赖写入副作用、响应形状或外部 CLI 输出等轨迹特征)。
- 实验重复与模型说明:动态验证在受控安装中执行并在测试用例间重置状态;论文未报告 LLM 提示词的重复采样次数与模型版本细节。
主结果
表格较宽,可左右滑动
评估层级 / 分类器 样本总数 正例 (Pos.) 负例 (Neg.) Precision Recall F1 L2 tool-name(工具名层) 300 205 95 0.995 0.971 0.983 L3 defense-bypass(防御绕过层) 297 142 155 0.953 0.993 0.972 Micro 平均 597 347 250 0.977 0.980 0.978 Macro 平均 597 - - 0.974 0.982 0.978 - 分类器准确率:据 Table 1,L2 工具名分类器在 300 个标注工具上达到 0.995 的 Precision 和 0.971 的 Recall(1 个假阳性,6 个假阴性);L3 防御绕过分类器在 297 个标注检出上达到 0.953 的 Precision 和 0.993 的 Recall(7 个假阳性,1 个假阴性)。
- 静态检出与规则分布:在 4,292 个有结果的服务器中,静态分析标记了 2,818 个服务器(占比 65.7%),共产生 10,304 条检出(Figure 4);其中缺失路径校验(PT-001)占 36.4%,而四类防御绕过规则(PT-002 至 PT-005)合计占比 61.6%。
- 动态确认与端到端验证:作者称,经三用例动态验证最终确认了 150 个漏洞实例,其中 136 个实例在 PoC 1 中完全匹配到预植的凭据密钥,并在 PoC 3 中被沙箱完全拦截。
生态分布与语言工具差异(RQ4)
- 测了什么:在 2,818 个标记服务器中评估静态检出的语言和规则分布(Figure 5a、Figure 5b)。
- 实验结果:Node 和 Python 占据绝大多数(sink 层 54.3% 为 Node,42.6% 为 Python,其他语言合计不足 3.1%)。Python 占缺失校验规则(PT-001)的 53.8%,而 Node 在所有绕过类规则(PT-002 至 PT-005)中占比 57%–63%。检出在代码库中高度集中,前 5% 的仓库产生 18.7% 的检出,前 25% 的仓库产生 52.5% 的检出(基尼系数 Gini ≈ 0.55)。
- 作者的解读:作者认为,这种分布反映了工具链的结构性缺陷:MCP TypeScript SDK 缺乏内置路径限制原语,导致 Node 开发者编写的自定义检查容易出错;而 Python 服务器往往完全省略路径校验。
载荷形式与结构化输入解析(RQ5)
- 测了什么:对 150 个确认实例中收敛载荷的输入格式进行分类(裸路径与格式合法容器)。
- 实验结果:在 150 个确认实例中,144 个(96.0%)使用裸遍历路径即可触发,6 个(4.0%)需要封装在格式合法的容器中(如 glTF、DOCX、Terraform 配置等)。在绕过显式源码校验的 38 个实例中,裸路径占 32 个(84.2%),结构化容器占 6 个(15.8%)。
- 作者的解读:作者指出,解析结构化输入的工具若接收未格式化的遍历字符串会在解析阶段直接报错,必须合成格式合法的结构化载荷才能触达底层的文件系统调用以暴露能力清洗路径。
真实案例分析与漏洞披露(RQ3 & §5)
- 测了什么:对 Anthropic Git MCP Server 等真实案例进行漏洞分析、三用例验证及协调披露。
- 实验结果:披露了 13 个软件包,包含 Anthropic Git MCP Server 中的两个 CVE:CVE-2025-68143(git_init 未限制仓库创建路径,可把 ~/.ssh 转为仓库并通过 diff 泄露私钥,已在版本 2025.9.25 中移除该工具修复)与 CVE-2026-27735(git_add 中 GitPython 未校验相对路径,可通过 ../ 暂存仓库外文件并通过 diff 泄露,已在版本 2026.1.14 中改为调用 Git CLI 修复)。
- 作者的解读:作者称,两个漏洞均在合法工作区之外被利用,git_add 在动态验证中经沙箱拦截返回 EPERM 错误,体现了基于操作系统进程隔离的最小权限沙箱能有效防护此类契约越界风险。
其他消融与分析
- 静态检出级别分布:10,304 条静态检出中,61.8% 为 error 级别,29.8% 为 warning 级别,8.4% 为 note 级别(§4.2)。
- 静态规则类别占比:PT-001 缺失校验占 36.4%,PT-003 URL 遍历占 33.7%,PT-002 前缀匹配占 13.4%,PT-004 软链接占 7.7%,PT-005 黑名单占 6.8%,长尾规则占 2.0%(Figure 4)。
- 语言启动成功率:7,222 个本地开源服务器中,Python 启动率为 86.3%,Node 为 72.7%,C#/.NET 为 34.2%,Go 为 23.5%,Rust 为 11.9%(Figure 3b)。
- 披露依据分布:13 个披露包中,11 个依据源码机制或配置,2 个依据契约隐含的作用域边界(§4.4)。
- 非凭据泄露验证方式:150 个确认实例中,14 个依据写入副作用、响应形状变化或外部 CLI 输出完成裁决(§4.3)。
有什么可以进一步探索的点?
作者指出依赖可运行状态、推断边界未量化、缺少写破坏评测及跨工具链挖掘等局限;论文未报告 LLM 版本与开销细节。
作者指出的局限与后续方向
- 依赖可运行状态与选定配置:作者指出流水线仅能验证能够安装并运行的服务器,动态结果以成功启动和选定的运行时配置为条件(§6.2)。
- 动态验证检出范围受限:作者指出动态验证可能遗漏其越界效果从未在响应中出现、或需要测试套件未复现的运行时前置条件的违规行为(§6.2)。
- 推断边界精度未经测量:作者指出未测量推断边界本身的准确性,过于严格的策略会标记合法访问,而过于宽容的策略会遗漏漏洞;未来需建立专家标注基准以系统量化推断精度与召回率(§6.2)。
- 未系统覆盖非授权写操作:作者指出效果模型虽包含写入,但以信息泄露为导向的评测未系统测量非授权创建、修改或删除,评估此类写操作需要文件系统状态证据(§6.2)。
- 未覆盖跨工具链式漏洞挖掘:作者指出验证仅覆盖选定工具与显式声明的调用序列,未实现跨工具调用链的系统性自动发现(§6.2)。
- 部分阶段依赖模型判断且模型细节未完备报告:作者指出类别分类、规则分类和策略起草等阶段依赖 LLM 判断,继承了模型的错误模式;对这些阶段的系统性准确率研究以及对模型版本、提示词和解码设置的完整报告留待未来工作(§6.2)。
实验覆盖范围
- 被测生态与语料规模:抓取覆盖 9 个注册表的 21,097 个服务器条目,启动测量覆盖 7,222 个本地开源服务器,分类快照包含 4,806 个,静态分析覆盖 4,292 个,动态三用例验证确认了 150 个实例。
- 支持语言与分布:测量后语料中 Node 和 Python 占 97%,在 sink 层检出中分别占 54.3% 和 42.6%,其他语言(Go、Rust、C# 等)合计占 3.1% 以下。
- 沙箱运行环境:动态验证测试环境采用 macOS 上的 nono v0.43.0(Seatbelt 沙箱)。
- 人工标注集规模:静态分类准确率评测覆盖 L2 的 300 个工具以及 L3 的 297 个检出。
- 未报告信息:论文未报告分析阶段所使用的具体 LLM 模型版本、完整提示词与解码参数,未报告载荷生成尝试的预算与具体查询次数,亦未报告各阶段执行的具体耗时与人工评审一致性指标。
总结一下论文的主要内容
论文提出了针对本地 MCP 服务器文件系统能力清洗的检测框架,确认了 150 个脆弱实例并推动了上游补丁修复。
本文针对 Model Context Protocol(MCP)生态中本地服务进程权限过宽导致的安全风险,提出了结合静态分析与动态验证的检测框架 MCP-FSD。
- 问题背景:在本地 stdio 架构中,客户端审批提示仅检查声明的参数,而底层服务器以宿主用户权限运行;攻击者可借助智能体摄入的非信任输入影响参数,诱使良性工具跨界访问敏感文件,造成文件系统能力清洗。
- 核心方法:MCP-FSD 构建了双阶段流水线:首先通过静态分析识别参数与汇聚点,利用四项 MCP 专用过滤器筛选候选;接着综合启动配置、模式与代码推断工具的最小权限读写范围;最后使用生成的裸路径或结构化载荷,通过无沙箱攻击、沙箱良性、沙箱攻击三用例回放生成确证证据。
- 主要发现:
- 在来自 9 个注册表的 4,806 个分类服务器中,787 个(16.4%)在缺少 FileSystem 标签的情况下展现了文件系统能力标记(Table 2);
- 静态分析在 2,818 个被标记服务器上检出 10,304 条缺陷,其中缺失路径校验(PT-001)占 36.4%,四类防御绕过规则合计占 61.6%(Figure 4);
- L2 工具名分类器和 L3 防御绕过分类器在手标数据集上的 Precision 分别达到 0.995 和 0.953(Table 1);
- 动态三用例验证确认了 150 个脆弱实例(96.0% 采用裸遍历路径,4.0% 需结构化容器),其中 136 个通过精确凭据匹配验证(§4.3、§4.6);
- 负责任披露形成了 13 项安全通告,包含 Anthropic 官方 Git MCP Server 的两个已修复 CVE(CVE-2025-68143 和 CVE-2026-27735)。
- 结论与启示:作者认为,生态中广泛存在的自定义检查缺陷暴露出基础库缺乏标准路径限制原语;仅依赖客户端工具审批不足以防范能力越界,必须结合生态级注册表筛查与操作系统进程隔离来强制实施各工具的最小权限契约。