What is Cloud Native Mcp

cloud_native_mcp is a cloud-native security tool based on the Model Context Protocol (MCP) designed to manage and control multiple cloud providers, including AWS, Azure, Aliyun, Huawei Cloud, Tencent Cloud, and GCP. It enables automated attack simulation and exploitation testing through authorized access using AK/SK (Access Key/Secret Key) to evaluate cloud security and identify potential vulnerabilities.

Use cases

Use cases include conducting authorized security assessments on cloud environments, simulating AK/SK exploitation to identify vulnerabilities, managing resources across different cloud platforms, and providing remediation suggestions for discovered security issues.

How to use

To use cloud_native_mcp, first install Docker and Kubernetes. Clone the repository, build the Docker image, and deploy it to your Kubernetes cluster. Configure the access credentials for each cloud provider in the config.yaml file. You can access the tool via the web interface or command line interface (CLI) to execute commands and simulate attacks.

Key features

Key features include multi-cloud management, cloud-native architecture for scalability and reliability, strong security measures to prevent unauthorized access, automated attack simulation modules, and extensibility through plugins and modules for additional cloud providers or custom functionalities.

Where to use

cloud_native_mcp can be used in various fields such as cybersecurity, cloud administration, security research, and vulnerability assessment across multiple cloud environments.

云原生安全 MCP

概述

Cloud_Native_MCP（Model Context Protocol）是一个功能强大、云原生的平台，旨在管理和控制多个云提供商，包括 AWS、Azure、阿里云、华为云、腾讯云和 Google Cloud Platform (GCP)。它采用云原生架构设计，注重安全性与可扩展性，支持与这些云平台的无缝交互，可以实现自动化操作，并在合法授权下通过模拟攻击和利用方法进行安全测试。

免责声明： 本工具仅限用于授权的安全测试和教育目的。未经许可用于恶意活动是严格禁止的，并可能违反法律法规。

功能

• 多云管理： 通过单一界面控制和自动化操作 AWS、Azure、阿里云、华为云、腾讯云和 GCP。
• 云原生架构： 在云环境中高效运行，利用容器化和编排技术实现高可扩展性和可靠性。
• 安全性设计： 内置强大的安全措施，防止未经授权的访问并确保数据完整性。
• 自动化攻击模拟： 包含模拟安全漏洞利用的模块，参考 CF 框架中的 AKSK（访问密钥和秘密密钥）利用技术，帮助识别和缓解潜在风险。
• 可扩展性： 支持通过插件和模块轻松扩展，以适配更多云提供商或自定义功能。

支持的云提供商

• 亚马逊云服务 (AWS)
• 微软 Azure
• 阿里巴巴云 (阿里云)
• 华为云
• 腾讯云
• 谷歌云平台 (GCP)

安装

要安装云原生安全 MCP，请按照以下步骤操作：

1. 前置条件：

   • Docker（版本 20.10 或更高）
   • Kubernetes（版本 1.20 或更高）
   • 目标云提供商的访问凭证

2. 克隆仓库：

   git clone https://github.com/cdxiaodong/cloud-native-secure-mcp.git
   cd cloud-native-secure-mcp
   

3. 构建和部署：

   • 构建 Docker 镜像：

     docker build -t mcp:latest .
     

   • 部署到 Kubernetes 集群：

     kubectl apply -f k8s/deployment.yaml
     kubectl apply -f k8s/service.yaml
     

4. 配置：

   • 在 config.yaml 文件中配置每个云提供商的访问凭证和 API 端点。

快速入门

1. 准备环境：

   • 确保已安装并配置好 Docker 和 Kubernetes。
   • 对于本地开发，可使用 Minikube 创建 Kubernetes 集群。

2. 部署 MCP：

   • 按照安装步骤构建和部署。

3. 访问 MCP：

   • MCP 将在 http://<您的集群IP>:8080 上可用。
   • 使用 Web 界面配置云提供商并管理资源。

4. 运行第一个命令：

   • 使用 CLI 列出 AWS 中的所有 S3 存储桶：

     mcp aws s3 list-buckets
     

更多详细文档请参考 docs 目录。

使用方法

MCP 可通过 Web 界面或命令行界面 (CLI) 访问。以下是一个使用 CLI 列出 AWS EC2 实例的示例：

mcp aws ec2 list-instances --region us-west-2

若要模拟 AKSK 利用（需确保已获得明确授权）：

mcp simulate aksk-exploit --provider aws --target-account 123456789012

注意： 在对云账户进行任何安全测试之前，务必获得明确许可。

配置

MCP 使用 YAML 配置文件管理各云提供商的设置。以下是一个配置示例：

clouds:
  aws:
    access_key: 您的AWS访问密钥
    secret_key: 您的AWS秘密密钥
    region: us-west-2
  azure:
    tenant_id: 您的Azure租户ID
    client_id: 您的Azure客户端ID
    client_secret: 您的Azure客户端密钥
  # ... 其他云提供商

重要提示： 请勿将凭证硬编码在配置文件中。建议使用 HashiCorp Vault 或云提供商的密钥管理工具存储敏感信息。

安全注意事项

• 最小权限原则： 为每个云提供商配置 MCP 时，仅授予必要的最小权限。
• 加密保护： 使用 TLS 加密所有通信，并对静态数据进行加密。
• 审计日志： 启用日志记录，监控和审计通过 MCP 执行的所有活动。
• 定期更新： 保持 MCP 及其依赖项的最新状态，以缓解已知漏洞。
• 道德使用： 仅在获得明确许可的账户和资源上使用攻击模拟功能。

攻击模拟功能

MCP 包含模拟多种攻击向量的模块，尤其是针对 AKSK 配置错误的利用，参考了 CF 框架的技术。这些模拟旨在帮助安全专业人员测试和强化其云环境。

重要提示： 仅在获得明确授权的环境中使用这些功能进行安全测试。

可用的模拟功能

• AKSK 利用： 模拟使用泄露的访问密钥进行未经授权的访问。
• 权限提升： 测试过于宽松的角色和策略。
• 数据泄露： 模拟从云存储中提取敏感数据的尝试。

每个模拟模块均附带如何安全配置和运行测试的文档。

贡献

我们欢迎为云原生安全 MCP 做出贡献。要参与贡献：

1. Fork 本仓库。
2. 为您的功能或错误修复创建一个新分支。
3. 提交 pull request，并清楚描述您的更改。

请遵守仓库中列明的行为准则和贡献指南。

许可证

本项目采用 MIT 许可证授权。详情请见 LICENSE 文件。

免责声明

Cloud_Native_MCP 按“原样”提供，不附带任何形式的担保。作者和贡献者对因本软件的任何误用或损害不承担责任。请负责任且道德地使用本工具。