آسیب‌پذیری بحرانی RufRoot در Ruflo: مهاجمان می‌توانند عامل‌های هوش مصنوعی را از طریق پل MCP در معرض دید ربوده کنند

شرح خبر

پژوهشگران امنیتی یک آسیب‌پذیری بحرانی با کد CVE-2026-59726 و نام RufRoot در پلتفرم اوپنسورس عامل‌های هوش مصنوعی Ruflo کشف کردند. این آسیب‌پذیری با امتیاز CVSS 10.0، نسخه‌های قبل از 3.16.3 را تحت تأثیر قرار می‌دهد و به مهاجمان بدون احراز هویت اجازه می‌دهد تا با سوءاستفاده از پل Model Context Protocol (MCP) در معرض دید، کنترل کامل محیط‌های هوش مصنوعی سازمانی را به دست بگیرند. مهاجمان می‌توانند با یک درخواست HTTP، کد دلخواه اجرا کنند، کلیدهای API مدل‌های زبانی بزرگ (LLM) را به سرقت ببرند، به مکالمات کاربران دسترسی پیدا کنند، عامل‌های هوش مصنوعی را ربوده و حافظه پایدار پلتفرم را دستکاری کنند. این مشکل از یک پل MCP بدون احراز هویت ناشی می‌شود که به‌طور پیش‌فرض در معرض دید است و دسترسی مستقیم به 233 ابزار را فراهم می‌کند. پژوهشگران Noma Security این آسیب‌پذیری را به صورت مسئولانه گزارش کردند و Ruflo در عرض چند ساعت اصلاحاتی را منتشر کرد. آسیب‌پذیری بحرانی RufRoot با کد CVE-2026-59726 در پلتفرم Ruflo کشف شد که امتیاز CVSS آن 10.0 است. این آسیب‌پذیری نسخه‌های قبل از 3.16.3 را تحت تأثیر قرار می‌دهد و به مهاجمان اجازه می‌دهد با سوءاستفاده از پل MCP در معرض دید، کنترل محیط‌های هوش مصنوعی را به دست بگیرند. مهاجمان می‌توانند کد دلخواه اجرا کنند، کلیدهای API را به سرقت ببرند، مکالمات کاربران را بازیابی کنند و حافظه هوش مصنوعی را مسموم کنند. پل MCP بدون احراز هویت، دسترسی مستقیم به ابزارهای سیستم را فراهم می‌کند. پژوهشگران توانستند با یک درخواست HTTP، دستورات را در کانتینر اجرا کنند. Ruflo اصلاحات را منتشر کرد و پل MCP را به‌طور پیش‌فرض به رابط loopback متصل کرد. این آسیب‌پذیری نشان می‌دهد که پلتفرم‌های هماهنگ‌سازی هوش مصنوعی مانند Ruflo می‌توانند به دلیل تنظیمات امنیتی ضعیف پیش‌فرض، به هدف حملات جدی تبدیل شوند. پل MCP به عنوان سیستم عصبی مرکزی Ruflo عمل می‌کند و دسترسی بدون احراز هویت به آن، دسترسی کامل به زیرساخت را فراهم می‌آورد. علاوه بر این، مسموم‌سازی حافظه هوش مصنوعی می‌تواند تأثیرات بلندمدتی بر رفتار عامل‌ها داشته باشد و حتی پس از پایان نفوذ اولیه، همچنان فعال باقی بماند. سازمان‌ها ممکن است کنترل عامل‌های هوش مصنوعی خود را از دست بدهند، که می‌تواند منجر به افشای داده‌های حساس، اختلال در عملیات و آسیب به اعتبار برند شود. سرقت کلیدهای API مدل‌های LLM می‌تواند هزینه‌های مالی سنگینی را به همراه داشته باشد. دسترسی به مکالمات کاربران و دستکاری حافظه هوش مصنوعی می‌تواند به افشای اطلاعات محرمانه و سوءاستفاده از آنها منجر شود. سازمان‌های ایرانی که از Ruflo یا پلتفرم‌های مشابه استفاده می‌کنند، در معرض خطر حملات سایبری قرار دارند که می‌تواند زیرساخت‌های هوش مصنوعی آنها را به خطر اندازد. این موضوع به ویژه برای شرکت‌ها و نهادهایی که داده‌های حساس را پردازش می‌کنند، حائز اهمیت است. همچنین، عدم آگاهی از چنین آسیب‌پذیری‌هایی می‌تواند منجر به سوءاستفاده از آنها توسط مهاجمان شود. این آسیب‌پذیری ممکن است منجر به نقض قوانین حفاظت از داده‌ها و حریم خصوصی شود، به ویژه اگر داده‌های کاربران یا اطلاعات حساس افشا شوند. سازمان‌ها ممکن است با جریمه‌های قانونی و مسئولیت‌های حقوقی مواجه شوند. علاوه بر این، این موضوع اهمیت رعایت استانداردهای امنیتی و انجام ارزیابی‌های منظم امنیتی را برجسته می‌کند. این آسیب‌پذیری می‌تواند توسط بازیگران دولتی یا گروه‌های سایبری برای حملات هدفمند علیه سازمان‌ها در کشورهای مختلف، از جمله ایران، مورد سوءاستفاده قرار گیرد. حملات سایبری می‌توانند به عنوان ابزاری برای جمع‌آوری اطلاعات یا اختلال در زیرساخت‌های حیاتی استفاده شوند. CSO Online به عنوان یک منبع معتبر در حوزه امنیت سایبری، این خبر را با جزئیات فنی و تحلیلی منتشر کرده است. این مقاله بر اساس تحقیقات Noma Security تهیه شده و شامل اطلاعات دقیق درباره آسیب‌پذیری، مکانیسم حمله و راهکارهای اصلاحی است. آسیب‌پذیری RufRoot با امتیاز CVSS 10.0 در Ruflo کشف شد. مهاجمان می‌توانند با سوءاستفاده از پل MCP، کنترل کامل محیط‌های هوش مصنوعی را به دست بگیرند.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.