---
title: "MCP 漏洞研究报告基于 CVE 披露整理的 24 案例数据集"
dek: "作者报告称，所整理快照中 87.5% 的漏洞为严重或高危级别。保存的摘要提供了研究结论，尚不能据此判断具体部署的安全状况。"
---

Xu He、Sagar Patel 和 Shu Wang 于 2026 年 11 月 8 日向 arXiv 提交了一项 MCP 安全漏洞数据集研究。作者称，他们从截至 2026 年 2 月检索到的 119 条 MCP 相关通用漏洞披露（CVE）记录中，筛选出 24 个漏洞。模型上下文协议（MCP）用于连接大语言模型与外部数据源及工具，因此这项研究涉及 AI 智能体使用的接口。[^1]

作者表示，筛选方法处理了 MCP 缩写的歧义问题，并在对排除记录进行抽样审核时，取得了 96.7% 的评审者间一致率。他们还称，保留了公开安全公告中已知的所有高严重性 MCP 案例。这些属于作者对研究方法的陈述；仅阅读摘要，无法独立确认数据集是否完整。[^1]

在这份包含 24 个案例的快照中，作者将 87.5% 的漏洞归为严重或高危级别，注入和路径遍历漏洞合计占 66.7%。研究指出，输入验证不足、访问控制不充分以及协议层面的安全缺口反复出现。这些比例描述的是筛选后的漏洞记录，不能用来推算 MCP 部署中存在漏洞的比例。[^1]

摘要称，作者发布了数据集、复现工具和维护流程，并分析了六个代表性案例。页面备注说明，持续维护的数据集已超出最初的快照范围。我们没有检查这些材料，因此本文引用的数量仍对应原始快照。[^1]

:::analysis
问题涉及 T6 评估层（`evaluations`）、T5 智能体层（`agents`）和 T2 运行时层（`runtime`）：数据集为评估智能体集成提供依据，而具体暴露情况取决于部署的软件与配置。这里需要核查的属性是可识别性：如果为用户提供服务的确切版本和配置有记录且可核查，用户就能将记录与适用的漏洞触发条件对应起来，判断自己是否曾受到影响。用户和运营方应核对这种对应关系；保存的摘要没有提供受影响版本范围、修复版本或特定配置下的暴露判定条件。[^1]
:::

:::checked
我们于 2026 年 11 月 11 日阅读了所提供的 arXiv 摘要页存档，标题为“Tracing MCP Security Vulnerabilities: Constructing and Analyzing an MCP Security Vulnerability Dataset”，阅读范围包括页面备注和提交历史。这只能确认页面报告了哪些内容，不能确认研究结果能否复现。我们没有阅读全文、检查数据集或工具、复现漏洞利用，也没有测试任何 MCP 系统。[^1]
:::

[^1]: arXiv，“Tracing MCP Security Vulnerabilities: Constructing and Analyzing an MCP Security Vulnerability Dataset”，提交于 2026 年 11 月 8 日。https://arxiv.org/abs/2611.11104
