加密货币的AI代理越来越嵌入到钱包中，交易机器人和自动化任务和 做出实时决定。
尽管这还不是标准框架，但模型上下文协议（MCP）是许多这些代理的核心。如果区块链具有智能合约来定义应该发生的事情，则AI代理人有MCP来决定情况如何发生。
它可以充当管理AI代理行为的控制层，例如它使用的工具，运行的代码以及如何响应用户输入。
同样的灵活性还会产生强大的攻击表面，可以使恶意插件覆盖命令，毒数据输入或欺骗代理执行有害说明。
MCP攻击向量暴露了AI代理的安全问题
根据Vaneck的说法 AI代理的数量 到2024年底，加密货币行业已超过10,000，预计在2025年将排名前100万。
安全公司Slowmist有 发现 开发人员需要注意的四个潜在攻击向量。每个攻击向量都是通过插件传递的，这是基于MCP的代理商扩展其功能的方式，无论是提取价格数据，执行交易还是执行系统任务。
-
数据中毒： 此攻击使用户执行误导性步骤。它可以操纵用户行为，创建错误的依赖性，并在此过程的早期插入恶意逻辑。
-
JSON注射攻击： 该插件通过JSON调用从本地（潜在的恶意）来源检索数据。它可以通过喂食代理污染的输入来导致数据泄漏，命令操纵或绕过验证机制。
-
竞争功能覆盖： 该技术超过了通过恶意代码的合法系统函数。它可以防止预期的操作发生并嵌入混淆指令，破坏系统逻辑并隐藏攻击。
-
交叉MCP呼叫攻击： 该插件通过编码错误消息或欺骗性提示引起AI代理与未经验证的外部服务进行交互。它通过连接多个系统来扩大攻击表面，从而创造了进一步开发的机会。
这些攻击向量不是AI模型本身中毒的代名词，例如GPT-4或Claude，这可能涉及破坏塑造模型内部参数的训练数据。 Slowmist目标AI代理所展示的攻击 – 建立在模型之上的系统 – 使用插件，工具和控制协议（如MCP）对实时输入进行作用。
有关的： 数字自治的未来：加密货币的AI代理商
“ AI模型中毒涉及将恶意数据注入训练样本中，然后将其嵌入模型参数中，”区块链安全公司Slowmist“ Monster Z”的联合创始人告诉Cointelegraph。 “相反，代理和MCP的中毒主要源于模型相互作用阶段中引入的其他恶意信息。”
“我个人相信 [poisoning of agents] 威胁水平和特权范围高于独立AI中毒的范围。”他说。
AI代理的MCP对加密货币的威胁
在加密货币中，MCP和AI代理的采用仍然相对较新。 Slowmist确定了 攻击向量 从预先发布的MCP项目审核中，这减轻了对最终用户的实际损失。
但是，据Monster称，MCP安全漏洞的威胁水平非常真实，他回想起审计漏洞可能导致私人密钥泄漏的审计 – 任何加密项目或投资者的灾难性磨难，因为它可以为无启用的参与者提供全面资产控制。
加密研究公司Fhenix的首席执行官盖伊·伊扎基（Guy Itzhaki）告诉Cointelegraph：“当您将系统打开到第三方插件时，您就会将攻击表面扩展到无法控制的那一刻。”
他补充说：“插件通常可以充当信任的代码执行路径，通常没有适当的沙箱。这为特权升级，依赖注入，功能覆盖，最坏的 – 最糟糕的 – 无声数据泄漏打开了大门。”
在为时已晚之前固定AI层
快速建立，打破东西 – 然后被黑客入侵。这就是开发人员面临的风险，他们将安全性推向第二版，尤其是在加密货币高风险的OnChain环境中。
建筑商犯的最常见的错误是假设他们可以在雷达下飞行一段时间，并在启动后以后更新中实施安全措施。这是根据秘密基金会执行董事丽莎·卢斯（Lisa Loud）的说法。
她告诉Cointelegraph：“当您今天构建任何基于插件的系统时，尤其是在公共和OnChain的加密货币的背景下，您必须先建立安全性，然后再建立其他一切。”
Slowmist安全专家建议开发人员实施严格的插件验证，执行输入消毒，采用最小特权原则以及定期审查代理行为。
LOUT说，实施此类安全检查以防止恶意注射或数据中毒是“不难”的，只是“乏味和耗时”，这是为了确保加密货币资金而付出的小代价。
随着AI代理在加密基础架构中扩大其足迹，对主动安全性的需求不能被夸大。
MCP框架可能会为这些代理商解锁强大的新功能，但是如果没有围绕插件和系统行为的强大护栏，他们可以从有益的助手转变为攻击向量，使加密钱包，资金和数据处于危险之中。
