Spring AI MCP服务器安全：使用默认Spring Security的风险问询

• 权限粒度无法适配AI模型操作场景：默认Spring Security仅提供粗粒度的URL/方法级权限控制，而MCP涉及模型调用、配置修改、微调任务管理等细粒度操作。默认配置无法区分不同用户对特定模型的操作权限，比如普通用户可能被允许修改模型敏感配置，引发越权风险。

• 缺失AI专属安全防护机制：默认配置未针对AI场景设计防护规则，无法抵御提示注入攻击——攻击者可构造恶意提示绕过模型安全限制，甚至窃取服务器内部信息；同时也不会对模型输出的敏感数据做脱敏处理，极易导致隐私信息外泄。

• 认证机制适配性不足：默认的表单登录、HTTP Basic认证模式，难以适配MCP对接的多租户AI服务、第三方客户端等场景。这类认证方式缺乏API密钥、OAuth2.0等更适合服务间调用的凭证管理能力，容易引发凭证泄露或身份伪造问题。

• 模型资源无针对性访问控制：MCP负责模型部署、计算资源（GPU/CPU）分配等核心操作，默认Spring Security未对这类资源做访问限制。攻击者可通过恶意请求占用大量计算资源，引发服务拒绝（DoS），干扰合法用户的模型调用服务。

• AI数据流审计能力缺失：默认配置的审计日志仅记录基础的认证、授权事件，无法追踪模型调用的完整数据流，包括调用者身份、目标模型、输入提示、输出结果等关键信息。一旦发生安全事件，难以进行有效溯源与排查。

内容的提问来源于stack exchange，提问作者Daniel Pop