Keamanan MCP: Perlindungan Komprehensif untuk Sistem AI

(Klik gambar di atas untuk menonton video pelajaran ini)

Keamanan adalah elemen mendasar dalam desain sistem AI, itulah sebabnya kami memprioritaskannya sebagai bagian kedua. Hal ini sejalan dengan prinsip Secure by Design dari Microsoft dalam Secure Future Initiative.

Model Context Protocol (MCP) menghadirkan kemampuan baru yang kuat untuk aplikasi berbasis AI, tetapi juga memperkenalkan tantangan keamanan unik yang melampaui risiko perangkat lunak tradisional. Sistem MCP menghadapi masalah keamanan yang sudah ada (pengkodean aman, prinsip hak akses minimum, keamanan rantai pasokan) serta ancaman spesifik AI baru seperti injeksi prompt, peracunan alat, pembajakan sesi, serangan confused deputy, kerentanan token passthrough, dan modifikasi kemampuan dinamis.

Pelajaran ini membahas risiko keamanan paling kritis dalam implementasi MCP—meliputi autentikasi, otorisasi, hak akses berlebihan, injeksi prompt tidak langsung, keamanan sesi, masalah confused deputy, manajemen token, dan kerentanan rantai pasokan. Anda akan mempelajari kontrol yang dapat diterapkan dan praktik terbaik untuk mengurangi risiko ini sambil memanfaatkan solusi Microsoft seperti Prompt Shields, Azure Content Safety, dan GitHub Advanced Security untuk memperkuat penerapan MCP Anda.

Tujuan Pembelajaran

Pada akhir pelajaran ini, Anda akan dapat:

Mengidentifikasi Ancaman Spesifik MCP: Mengenali risiko keamanan unik dalam sistem MCP termasuk injeksi prompt, peracunan alat, hak akses berlebihan, pembajakan sesi, masalah confused deputy, kerentanan token passthrough, dan risiko rantai pasokan
Menerapkan Kontrol Keamanan: Mengimplementasikan mitigasi yang efektif termasuk autentikasi yang kuat, akses hak minimum, manajemen token yang aman, kontrol keamanan sesi, dan verifikasi rantai pasokan
Memanfaatkan Solusi Keamanan Microsoft: Memahami dan menerapkan Microsoft Prompt Shields, Azure Content Safety, dan GitHub Advanced Security untuk perlindungan beban kerja MCP
Memvalidasi Keamanan Alat: Mengenali pentingnya validasi metadata alat, pemantauan perubahan dinamis, dan pertahanan terhadap serangan injeksi prompt tidak langsung
Mengintegrasikan Praktik Terbaik: Menggabungkan prinsip keamanan yang sudah mapan (pengkodean aman, penguatan server, zero trust) dengan kontrol spesifik MCP untuk perlindungan komprehensif

Arsitektur & Kontrol Keamanan MCP

Implementasi MCP modern membutuhkan pendekatan keamanan berlapis yang mencakup baik ancaman keamanan perangkat lunak tradisional maupun ancaman spesifik AI. Spesifikasi MCP yang berkembang pesat terus memperkuat kontrol keamanannya, memungkinkan integrasi yang lebih baik dengan arsitektur keamanan perusahaan dan praktik terbaik yang sudah mapan.

Penelitian dari Microsoft Digital Defense Report menunjukkan bahwa 98% pelanggaran yang dilaporkan dapat dicegah dengan kebersihan keamanan yang kuat. Strategi perlindungan yang paling efektif menggabungkan praktik keamanan dasar dengan kontrol spesifik MCP—langkah-langkah keamanan dasar yang terbukti tetap menjadi yang paling berdampak dalam mengurangi risiko keamanan secara keseluruhan.

Lanskap Keamanan Saat Ini

Note: Informasi ini mencerminkan standar keamanan MCP per 18 Agustus 2025. Protokol MCP terus berkembang dengan cepat, dan implementasi di masa depan mungkin memperkenalkan pola autentikasi baru dan kontrol yang ditingkatkan. Selalu merujuk pada Spesifikasi MCP, repositori GitHub MCP, dan dokumentasi praktik terbaik keamanan untuk panduan terbaru.

Evolusi Autentikasi MCP

Spesifikasi MCP telah berkembang secara signifikan dalam pendekatannya terhadap autentikasi dan otorisasi:

Pendekatan Awal: Spesifikasi awal mengharuskan pengembang untuk mengimplementasikan server autentikasi khusus, dengan server MCP bertindak sebagai OAuth 2.0 Authorization Server yang mengelola autentikasi pengguna secara langsung
Standar Saat Ini (2025-06-18): Spesifikasi yang diperbarui memungkinkan server MCP untuk mendelegasikan autentikasi ke penyedia identitas eksternal (seperti Microsoft Entra ID), meningkatkan postur keamanan dan mengurangi kompleksitas implementasi
Keamanan Lapisan Transportasi: Dukungan yang ditingkatkan untuk mekanisme transportasi yang aman dengan pola autentikasi yang tepat untuk koneksi lokal (STDIO) dan jarak jauh (Streamable HTTP)

Keamanan Autentikasi & Otorisasi

Tantangan Keamanan Saat Ini

Implementasi MCP modern menghadapi beberapa tantangan autentikasi dan otorisasi:

Risiko & Vektor Ancaman

Logika Otorisasi yang Salah Konfigurasi: Implementasi otorisasi yang cacat pada server MCP dapat mengekspos data sensitif dan menerapkan kontrol akses yang salah
Kompromi Token OAuth: Pencurian token server MCP lokal memungkinkan penyerang untuk menyamar sebagai server dan mengakses layanan hilir
Kerentanan Token Passthrough: Penanganan token yang tidak tepat menciptakan celah kontrol keamanan dan kesenjangan akuntabilitas
Hak Akses Berlebihan: Server MCP yang memiliki hak akses berlebihan melanggar prinsip hak minimum dan memperluas permukaan serangan

Token Passthrough: Pola Anti-Kritikal

Token passthrough secara eksplisit dilarang dalam spesifikasi otorisasi MCP saat ini karena implikasi keamanan yang serius:

Pengelakan Kontrol Keamanan

Server MCP dan API hilir menerapkan kontrol keamanan penting (pembatasan tingkat, validasi permintaan, pemantauan lalu lintas) yang bergantung pada validasi token yang tepat
Penggunaan token langsung dari klien ke API melewati perlindungan penting ini, merusak arsitektur keamanan

Tantangan Akuntabilitas & Audit

Server MCP tidak dapat membedakan antara klien yang menggunakan token yang dikeluarkan oleh upstream, memutus jejak audit
Log server sumber daya hilir menunjukkan asal permintaan yang menyesatkan daripada perantara server MCP yang sebenarnya
Investigasi insiden dan audit kepatuhan menjadi jauh lebih sulit

Risiko Eksfiltrasi Data

Klaim token yang tidak divalidasi memungkinkan aktor jahat dengan token yang dicuri untuk menggunakan server MCP sebagai proxy untuk eksfiltrasi data
Pelanggaran batas kepercayaan memungkinkan pola akses yang tidak sah yang melewati kontrol keamanan yang dimaksudkan

Vektor Serangan Multi-Layanan

Token yang dikompromikan yang diterima oleh beberapa layanan memungkinkan pergerakan lateral di seluruh sistem yang terhubung
Asumsi kepercayaan antara layanan dapat dilanggar ketika asal token tidak dapat diverifikasi

Kontrol Keamanan & Mitigasi

Persyaratan Keamanan Kritis:

MANDATORY: Server MCP HARUS TIDAK menerima token apa pun yang tidak secara eksplisit dikeluarkan untuk server MCP

Kontrol Autentikasi & Otorisasi

Tinjauan Otorisasi yang Ketat: Lakukan audit komprehensif terhadap logika otorisasi server MCP untuk memastikan hanya pengguna dan klien yang dimaksud yang dapat mengakses sumber daya sensitif
- Panduan Implementasi: Azure API Management sebagai Gateway Autentikasi untuk Server MCP
- Integrasi Identitas: Menggunakan Microsoft Entra ID untuk Autentikasi Server MCP
Manajemen Token yang Aman: Terapkan praktik terbaik validasi dan siklus hidup token Microsoft
- Validasi klaim audiens token sesuai dengan identitas server MCP
- Terapkan kebijakan rotasi dan kedaluwarsa token yang tepat
- Cegah serangan replay token dan penggunaan yang tidak sah
Penyimpanan Token yang Dilindungi: Amankan penyimpanan token dengan enkripsi baik saat diam maupun dalam transit
- Praktik Terbaik: Panduan Penyimpanan dan Enkripsi Token yang Aman

Implementasi Kontrol Akses

Prinsip Hak Minimum: Berikan server MCP hanya izin minimum yang diperlukan untuk fungsi yang dimaksudkan
- Tinjauan izin secara berkala dan pembaruan untuk mencegah peningkatan hak akses
- Dokumentasi Microsoft: Akses Hak Minimum yang Aman
Kontrol Akses Berbasis Peran (RBAC): Terapkan penugasan peran yang terperinci
- Batasi peran secara ketat pada sumber daya dan tindakan tertentu
- Hindari izin yang luas atau tidak perlu yang memperluas permukaan serangan
Pemantauan Izin Berkelanjutan: Terapkan audit dan pemantauan akses yang berkelanjutan
- Pantau pola penggunaan izin untuk anomali
- Segera perbaiki hak akses yang berlebihan atau tidak digunakan

Ancaman Keamanan Spesifik AI

Serangan Injeksi Prompt & Manipulasi Alat

Implementasi MCP modern menghadapi vektor serangan spesifik AI yang canggih yang tidak sepenuhnya dapat diatasi oleh langkah-langkah keamanan tradisional:

Injeksi Prompt Tidak Langsung (Injeksi Prompt Lintas Domain)

Injeksi Prompt Tidak Langsung merupakan salah satu kerentanan paling kritis dalam sistem AI yang diaktifkan MCP. Penyerang menyisipkan instruksi berbahaya dalam konten eksternal—dokumen, halaman web, email, atau sumber data—yang kemudian diproses oleh sistem AI sebagai perintah yang sah.

Skenario Serangan:

Injeksi Berbasis Dokumen: Instruksi berbahaya yang disembunyikan dalam dokumen yang diproses yang memicu tindakan AI yang tidak diinginkan
Eksploitasi Konten Web: Halaman web yang dikompromikan yang berisi prompt yang disisipkan yang memanipulasi perilaku AI saat di-scrape
Serangan Berbasis Email: Prompt berbahaya dalam email yang menyebabkan asisten AI membocorkan informasi atau melakukan tindakan yang tidak sah
Kontaminasi Sumber Data: Basis data atau API yang dikompromikan yang menyajikan konten tercemar ke sistem AI

Dampak Dunia Nyata: Serangan ini dapat mengakibatkan eksfiltrasi data, pelanggaran privasi, pembuatan konten berbahaya, dan manipulasi interaksi pengguna. Untuk analisis mendetail, lihat Prompt Injection dalam MCP (Simon Willison).

Serangan Peracunan Alat

Peracunan Alat menargetkan metadata yang mendefinisikan alat MCP, mengeksploitasi cara LLM menafsirkan deskripsi alat dan parameter untuk membuat keputusan eksekusi.

Mekanisme Serangan:

Manipulasi Metadata: Penyerang menyisipkan instruksi berbahaya ke dalam deskripsi alat, definisi parameter, atau contoh penggunaan
Instruksi Tak Terlihat: Prompt tersembunyi dalam metadata alat yang diproses oleh model AI tetapi tidak terlihat oleh pengguna manusia
Modifikasi Alat Dinamis ("Rug Pulls"): Alat yang disetujui oleh pengguna kemudian dimodifikasi untuk melakukan tindakan berbahaya tanpa sepengetahuan pengguna
Injeksi Parameter: Konten berbahaya yang disisipkan dalam skema parameter alat yang memengaruhi perilaku model

Risiko Server yang Di-host: Server MCP jarak jauh menghadirkan risiko yang lebih tinggi karena definisi alat dapat diperbarui setelah persetujuan awal pengguna, menciptakan skenario di mana alat yang sebelumnya aman menjadi berbahaya. Untuk analisis mendalam, lihat Serangan Peracunan Alat (Invariant Labs).

Vektor Serangan AI Tambahan

Injeksi Prompt Lintas Domain (XPIA): Serangan canggih yang memanfaatkan konten dari beberapa domain untuk melewati kontrol keamanan
Modifikasi Kemampuan Dinamis: Perubahan waktu nyata pada kemampuan alat yang lolos dari penilaian keamanan awal
Kontaminasi Jendela Konteks: Serangan yang memanipulasi jendela konteks besar untuk menyembunyikan instruksi berbahaya
Serangan Kebingungan Model: Mengeksploitasi keterbatasan model untuk menciptakan perilaku yang tidak terduga atau tidak aman

Dampak Risiko Keamanan AI

Konsekuensi Berdampak Tinggi:

Eksfiltrasi Data: Akses tidak sah dan pencurian data sensitif perusahaan atau pribadi
Pelanggaran Privasi: Paparan informasi yang dapat diidentifikasi secara pribadi (PII) dan data bisnis rahasia
Manipulasi Sistem: Modifikasi yang tidak diinginkan pada sistem dan alur kerja yang penting
Pencurian Kredensial: Kompromi token autentikasi dan kredensial layanan
Pergerakan Lateral: Penggunaan sistem AI yang dikompromikan sebagai titik pivot untuk serangan jaringan yang lebih luas

Solusi Keamanan AI Microsoft

AI Prompt Shields: Perlindungan Lanjutan Terhadap Serangan Injeksi

Microsoft AI Prompt Shields menyediakan pertahanan komprehensif terhadap serangan injeksi prompt langsung dan tidak langsung melalui beberapa lapisan keamanan:

Mekanisme Perlindungan Inti:

Deteksi & Penyaringan Lanjutan
- Algoritma pembelajaran mesin dan teknik NLP mendeteksi instruksi berbahaya dalam konten eksternal
- Analisis waktu nyata dokumen, halaman web, email, dan sumber data untuk ancaman yang disisipkan
- Pemahaman kontekstual tentang pola prompt yang sah vs. berbahaya
Teknik Spotlighting
- Membedakan antara instruksi sistem yang tepercaya dan input eksternal yang berpotensi dikompromikan
- Metode transformasi teks yang meningkatkan relevansi model sambil mengisolasi konten berbahaya
- Membantu sistem AI mempertahankan hierarki instruksi yang tepat dan mengabaikan perintah yang disisipkan
Sistem Delimiter & Datamarking
- Definisi batas eksplisit antara pesan sistem yang tepercaya dan teks input eksternal
- Penanda khusus menyoroti batas antara sumber data yang tepercaya dan tidak tepercaya
- Pemisahan yang jelas mencegah kebingungan instruksi dan eksekusi perintah yang tidak sah
Intelijen Ancaman Berkelanjutan
- Microsoft terus memantau pola serangan yang muncul dan memperbarui pertahanan
- Perburuan ancaman proaktif untuk teknik injeksi baru dan vektor serangan
- Pembaruan model keamanan secara berkala untuk mempertahankan efektivitas terhadap ancaman yang berkembang
Integrasi Azure Content Safety
- Bagian dari suite Azure AI Content Safety yang komprehensif
- Deteksi tambahan untuk upaya jailbreak, konten berbahaya, dan pelanggaran kebijakan keamanan
- Kontrol keamanan terpadu di seluruh komponen aplikasi AI

Sumber Daya Implementasi: Dokumentasi Microsoft Prompt Shields

Ancaman Keamanan MCP Lanjutan

Kerentanan Pembajakan Sesi

Pembajakan sesi merupakan vektor serangan kritis dalam implementasi MCP yang berbasis status di mana pihak yang tidak sah memperoleh dan menyalahgunakan pengidentifikasi sesi yang sah untuk menyamar sebagai klien dan melakukan tindakan yang tidak sah.

Skenario Serangan & Risiko

Injeksi Prompt Pembajakan Sesi: Penyerang dengan ID sesi yang dicuri menyisipkan peristiwa berbahaya ke server yang berbagi status sesi, berpotensi memicu tindakan berbahaya atau mengakses data sensitif
Penyamaran Langsung: ID sesi yang dicuri memungkinkan panggilan langsung ke server MCP yang melewati autentikasi, memperlakukan penyerang sebagai pengguna yang sah
Aliran yang Dapat Dilanjutkan yang Dikompromikan: Penyerang dapat menghentikan permintaan secara prematur, menyebabkan klien yang sah melanjutkan dengan konten yang berpotensi berbahaya

Kontrol Keamanan untuk Manajemen Sesi

Persyaratan Kritis:

Verifikasi Otorisasi: Server MCP yang menerapkan otorisasi HARUS memverifikasi SEMUA permintaan masuk dan HARUS TIDAK bergantung pada sesi untuk autentikasi
Pembuatan Sesi yang Aman: Gunakan ID sesi yang aman secara kriptografi dan non-deterministik yang dihasilkan dengan generator angka acak yang aman
Pengikatan Spesifik Pengguna: Ikat ID sesi dengan informasi spesifik pengguna menggunakan format seperti <user_id>:<session_id> untuk mencegah penyalahgunaan sesi lintas pengguna
Manajemen Siklus Hidup Sesi: Terapkan kedaluwarsa, rotasi, dan pembatalan yang tepat untuk membatasi jendela kerentanan
Keamanan Transportasi: HTTPS wajib untuk semua komunikasi guna mencegah penyadapan ID sesi

Masalah Deputi yang Bingung

Masalah deputi yang bingung terjadi ketika server MCP bertindak sebagai proxy autentikasi antara klien dan layanan pihak ketiga, menciptakan peluang untuk melewati otorisasi melalui eksploitasi ID klien statis.

Mekanisme Serangan & Risiko

Pelepasan Persetujuan Berbasis Cookie: Autentikasi pengguna sebelumnya menciptakan cookie persetujuan yang dieksploitasi penyerang melalui permintaan otorisasi berbahaya dengan URI pengalihan yang dibuat
Pencurian Kode Otorisasi: Cookie persetujuan yang ada dapat menyebabkan server otorisasi melewati layar persetujuan, mengalihkan kode ke titik akhir yang dikendalikan penyerang
Akses API Tidak Sah: Kode otorisasi yang dicuri memungkinkan pertukaran token dan peniruan pengguna tanpa persetujuan eksplisit

Strategi Mitigasi

Kontrol Wajib:

Persyaratan Persetujuan Eksplisit: Server proxy MCP yang menggunakan ID klien statis HARUS mendapatkan persetujuan pengguna untuk setiap klien yang terdaftar secara dinamis
Implementasi Keamanan OAuth 2.1: Ikuti praktik terbaik keamanan OAuth terkini termasuk PKCE (Proof Key for Code Exchange) untuk semua permintaan otorisasi
Validasi Klien yang Ketat: Terapkan validasi ketat terhadap URI pengalihan dan pengidentifikasi klien untuk mencegah eksploitasi

Kerentanan Token Passthrough

Token passthrough merupakan pola anti eksplisit di mana server MCP menerima token klien tanpa validasi yang tepat dan meneruskannya ke API hilir, melanggar spesifikasi otorisasi MCP.

Implikasi Keamanan

Pelepasan Kontrol: Penggunaan token langsung dari klien ke API melewati kontrol penting seperti pembatasan laju, validasi, dan pemantauan
Korupsi Jejak Audit: Token yang dikeluarkan oleh upstream membuat identifikasi klien tidak mungkin dilakukan, merusak kemampuan investigasi insiden
Eksfiltrasi Data Berbasis Proxy: Token yang tidak divalidasi memungkinkan aktor jahat menggunakan server sebagai proxy untuk akses data yang tidak sah
Pelanggaran Batas Kepercayaan: Asumsi kepercayaan layanan hilir dapat dilanggar ketika asal token tidak dapat diverifikasi
Ekspansi Serangan Multi-Layanan: Token yang dikompromikan diterima di berbagai layanan memungkinkan pergerakan lateral

Kontrol Keamanan yang Diperlukan

Persyaratan yang Tidak Dapat Ditawar:

Validasi Token: Server MCP TIDAK BOLEH menerima token yang tidak secara eksplisit dikeluarkan untuk server MCP
Verifikasi Audiens: Selalu validasi klaim audiens token agar sesuai dengan identitas server MCP
Siklus Hidup Token yang Tepat: Terapkan token akses berumur pendek dengan praktik rotasi yang aman

Keamanan Rantai Pasokan untuk Sistem AI

Keamanan rantai pasokan telah berkembang melampaui ketergantungan perangkat lunak tradisional untuk mencakup seluruh ekosistem AI. Implementasi MCP modern harus secara ketat memverifikasi dan memantau semua komponen terkait AI, karena masing-masing memperkenalkan potensi kerentanan yang dapat mengkompromikan integritas sistem.

Komponen Rantai Pasokan AI yang Diperluas

Ketergantungan Perangkat Lunak Tradisional:

Perpustakaan dan kerangka kerja open-source
Gambar kontainer dan sistem dasar
Alat pengembangan dan pipeline build
Komponen dan layanan infrastruktur

Elemen Rantai Pasokan AI Khusus:

Model Dasar: Model pra-latih dari berbagai penyedia yang memerlukan verifikasi asal
Layanan Embedding: Layanan vektorisasi eksternal dan pencarian semantik
Penyedia Konteks: Sumber data, basis pengetahuan, dan repositori dokumen
API Pihak Ketiga: Layanan AI eksternal, pipeline ML, dan titik akhir pemrosesan data
Artefak Model: Bobot, konfigurasi, dan varian model yang disesuaikan
Sumber Data Pelatihan: Dataset yang digunakan untuk pelatihan dan penyempurnaan model

Strategi Keamanan Rantai Pasokan yang Komprehensif

Verifikasi Komponen & Kepercayaan

Validasi Asal: Verifikasi asal, lisensi, dan integritas semua komponen AI sebelum integrasi
Penilaian Keamanan: Lakukan pemindaian kerentanan dan tinjauan keamanan untuk model, sumber data, dan layanan AI
Analisis Reputasi: Evaluasi rekam jejak keamanan dan praktik penyedia layanan AI
Verifikasi Kepatuhan: Pastikan semua komponen memenuhi persyaratan keamanan dan regulasi organisasi

Pipeline Penerapan yang Aman

Keamanan CI/CD Otomatis: Integrasikan pemindaian keamanan di seluruh pipeline penerapan otomatis
Integritas Artefak: Terapkan verifikasi kriptografi untuk semua artefak yang diterapkan (kode, model, konfigurasi)
Penerapan Bertahap: Gunakan strategi penerapan progresif dengan validasi keamanan di setiap tahap
Repositori Artefak Terpercaya: Terapkan hanya dari registri dan repositori artefak yang terverifikasi dan aman

Pemantauan & Respons Berkelanjutan

Pemindaian Ketergantungan: Pemantauan kerentanan berkelanjutan untuk semua ketergantungan perangkat lunak dan komponen AI
Pemantauan Model: Penilaian berkelanjutan terhadap perilaku model, pergeseran kinerja, dan anomali keamanan
Pelacakan Kesehatan Layanan: Pantau layanan AI eksternal untuk ketersediaan, insiden keamanan, dan perubahan kebijakan
Integrasi Intelijen Ancaman: Gabungkan umpan ancaman khusus untuk risiko keamanan AI dan ML

Kontrol Akses & Hak Istimewa Minimum

Izin Tingkat Komponen: Batasi akses ke model, data, dan layanan berdasarkan kebutuhan bisnis
Manajemen Akun Layanan: Terapkan akun layanan khusus dengan izin minimum yang diperlukan
Segmentasi Jaringan: Isolasi komponen AI dan batasi akses jaringan antar layanan
Kontrol Gateway API: Gunakan gateway API terpusat untuk mengontrol dan memantau akses ke layanan AI eksternal

Respons Insiden & Pemulihan

Prosedur Respons Cepat: Proses yang ditetapkan untuk menambal atau mengganti komponen AI yang dikompromikan
Rotasi Kredensial: Sistem otomatis untuk merotasi rahasia, kunci API, dan kredensial layanan
Kemampuan Rollback: Kemampuan untuk dengan cepat kembali ke versi komponen AI yang sebelumnya diketahui baik
Pemulihan Pelanggaran Rantai Pasokan: Prosedur khusus untuk merespons kompromi layanan AI upstream

Alat Keamanan Microsoft & Integrasi

GitHub Advanced Security menyediakan perlindungan rantai pasokan yang komprehensif termasuk:

Pemindaian Rahasia: Deteksi otomatis kredensial, kunci API, dan token dalam repositori
Pemindaian Ketergantungan: Penilaian kerentanan untuk ketergantungan dan perpustakaan open-source
Analisis CodeQL: Analisis kode statis untuk kerentanan keamanan dan masalah pengkodean
Wawasan Rantai Pasokan: Visibilitas ke dalam kesehatan dan status keamanan ketergantungan

Integrasi Azure DevOps & Azure Repos:

Integrasi pemindaian keamanan yang mulus di seluruh platform pengembangan Microsoft
Pemeriksaan keamanan otomatis di Azure Pipelines untuk beban kerja AI
Penegakan kebijakan untuk penerapan komponen AI yang aman

Praktik Internal Microsoft: Microsoft menerapkan praktik keamanan rantai pasokan yang luas di semua produk. Pelajari pendekatan yang terbukti di The Journey to Secure the Software Supply Chain at Microsoft.

Praktik Keamanan Dasar

Implementasi MCP mewarisi dan membangun di atas postur keamanan organisasi Anda yang ada. Memperkuat praktik keamanan dasar secara signifikan meningkatkan keamanan keseluruhan sistem AI dan penerapan MCP.

Dasar-Dasar Keamanan Inti

Praktik Pengembangan yang Aman

Kepatuhan OWASP: Lindungi dari kerentanan aplikasi web OWASP Top 10
Perlindungan Khusus AI: Terapkan kontrol untuk OWASP Top 10 untuk LLM
Manajemen Rahasia yang Aman: Gunakan brankas khusus untuk token, kunci API, dan data konfigurasi sensitif
Enkripsi End-to-End: Terapkan komunikasi yang aman di seluruh komponen aplikasi dan aliran data
Validasi Input: Validasi ketat semua input pengguna, parameter API, dan sumber data

Penguatan Infrastruktur

Autentikasi Multi-Faktor: MFA wajib untuk semua akun administratif dan layanan
Manajemen Patch: Penambalan otomatis dan tepat waktu untuk sistem operasi, kerangka kerja, dan ketergantungan
Integrasi Penyedia Identitas: Manajemen identitas terpusat melalui penyedia identitas perusahaan (Microsoft Entra ID, Active Directory)
Segmentasi Jaringan: Isolasi logis komponen MCP untuk membatasi potensi pergerakan lateral
Prinsip Hak Istimewa Minimum: Izin minimum yang diperlukan untuk semua komponen sistem dan akun

Pemantauan & Deteksi Keamanan

Pencatatan Komprehensif: Pencatatan terperinci aktivitas aplikasi AI, termasuk interaksi klien-server MCP
Integrasi SIEM: Manajemen informasi dan peristiwa keamanan terpusat untuk deteksi anomali
Analitik Perilaku: Pemantauan bertenaga AI untuk mendeteksi pola yang tidak biasa dalam sistem dan perilaku pengguna
Intelijen Ancaman: Integrasi umpan ancaman eksternal dan indikator kompromi (IOC)
Respons Insiden: Prosedur yang terdefinisi dengan baik untuk deteksi, respons, dan pemulihan insiden keamanan

Arsitektur Zero Trust

Tidak Pernah Percaya, Selalu Verifikasi: Verifikasi terus-menerus pengguna, perangkat, dan koneksi jaringan
Mikro-Segmentasi: Kontrol jaringan granular yang mengisolasi beban kerja dan layanan individu
Keamanan Berbasis Identitas: Kebijakan keamanan berdasarkan identitas yang diverifikasi daripada lokasi jaringan
Penilaian Risiko Berkelanjutan: Evaluasi postur keamanan dinamis berdasarkan konteks dan perilaku saat ini
Akses Bersyarat: Kontrol akses yang beradaptasi berdasarkan faktor risiko, lokasi, dan kepercayaan perangkat

Pola Integrasi Perusahaan

Integrasi Ekosistem Keamanan Microsoft

Microsoft Defender for Cloud: Manajemen postur keamanan cloud yang komprehensif
Azure Sentinel: Kemampuan SIEM dan SOAR berbasis cloud untuk perlindungan beban kerja AI
Microsoft Entra ID: Manajemen identitas dan akses perusahaan dengan kebijakan akses bersyarat
Azure Key Vault: Manajemen rahasia terpusat dengan dukungan modul keamanan perangkat keras (HSM)
Microsoft Purview: Tata kelola data dan kepatuhan untuk sumber data dan alur kerja AI

Kepatuhan & Tata Kelola

Keselarasan Regulasi: Pastikan implementasi MCP memenuhi persyaratan kepatuhan industri tertentu (GDPR, HIPAA, SOC 2)
Klasifikasi Data: Kategorisasi dan penanganan yang tepat terhadap data sensitif yang diproses oleh sistem AI
Jejak Audit: Pencatatan komprehensif untuk kepatuhan regulasi dan investigasi forensik
Kontrol Privasi: Penerapan prinsip privasi-dalam-desain dalam arsitektur sistem AI
Manajemen Perubahan: Proses formal untuk tinjauan keamanan terhadap modifikasi sistem AI

Praktik dasar ini menciptakan baseline keamanan yang kuat yang meningkatkan efektivitas kontrol keamanan spesifik MCP dan memberikan perlindungan komprehensif untuk aplikasi yang didukung AI.

Poin Penting Keamanan

Pendekatan Keamanan Berlapis: Gabungkan praktik keamanan dasar (pengkodean aman, hak istimewa minimum, verifikasi rantai pasokan, pemantauan berkelanjutan) dengan kontrol khusus AI untuk perlindungan yang komprehensif
Lanskap Ancaman Khusus AI: Sistem MCP menghadapi risiko unik termasuk injeksi prompt, peracunan alat, pembajakan sesi, masalah deputi yang bingung, kerentanan token passthrough, dan izin berlebihan yang memerlukan mitigasi khusus
Keunggulan Autentikasi & Otorisasi: Terapkan autentikasi yang kuat menggunakan penyedia identitas eksternal (Microsoft Entra ID), tegakkan validasi token yang tepat, dan jangan pernah menerima token yang tidak secara eksplisit dikeluarkan untuk server MCP Anda
Pencegahan Serangan AI: Terapkan Microsoft Prompt Shields dan Azure Content Safety untuk mempertahankan diri dari serangan injeksi prompt tidak langsung dan peracunan alat, sambil memvalidasi metadata alat dan memantau perubahan dinamis
Keamanan Sesi & Transportasi: Gunakan ID sesi yang aman secara kriptografi dan non-deterministik yang terikat pada identitas pengguna, terapkan manajemen siklus hidup sesi yang tepat, dan jangan pernah menggunakan sesi untuk autentikasi
Praktik Terbaik Keamanan OAuth: Cegah serangan deputi yang bingung melalui persetujuan pengguna eksplisit untuk klien yang terdaftar secara dinamis, implementasi OAuth 2.1 yang tepat dengan PKCE, dan validasi URI pengalihan yang ketat
Prinsip Keamanan Token: Hindari pola anti token passthrough, validasi klaim audiens token, terapkan token berumur pendek dengan rotasi yang aman, dan pertahankan batas kepercayaan yang jelas
Keamanan Rantai Pasokan yang Komprehensif: Perlakukan semua komponen ekosistem AI (model, embedding, penyedia konteks, API eksternal) dengan ketelitian keamanan yang sama seperti ketergantungan perangkat lunak tradisional
Evolusi Berkelanjutan: Tetap terkini dengan spesifikasi MCP yang berkembang pesat, berkontribusi pada standar komunitas keamanan, dan pertahankan postur keamanan adaptif seiring dengan kematangan protokol
Integrasi Keamanan Microsoft: Manfaatkan ekosistem keamanan Microsoft yang komprehensif (Prompt Shields, Azure Content Safety, GitHub Advanced Security, Entra ID) untuk perlindungan penerapan MCP yang ditingkatkan

Sumber Daya Komprehensif

Dokumentasi Keamanan MCP Resmi

Standar Keamanan & Praktik Terbaik

Penelitian & Analisis Keamanan AI

Solusi Keamanan Microsoft

Panduan Implementasi & Tutorial

Keamanan DevOps & Rantai Pasokan

Dokumentasi Keamanan Tambahan

Untuk panduan keamanan yang lebih mendalam, lihat dokumen khusus di bagian ini:

Praktik Terbaik Keamanan MCP 2025 - Panduan lengkap praktik terbaik keamanan untuk implementasi MCP
Implementasi Azure Content Safety - Contoh implementasi praktis untuk integrasi Azure Content Safety
Kontrol Keamanan MCP 2025 - Kontrol keamanan dan teknik terbaru untuk penerapan MCP
Panduan Referensi Cepat Praktik Terbaik MCP - Panduan referensi cepat untuk praktik keamanan MCP yang penting

Langkah Selanjutnya

Selanjutnya: Bab 3: Memulai

Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berupaya untuk memberikan hasil yang akurat, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan manusia profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.

FilesExpand file tree

README.md

Latest commit

History