Biografia
Domingo Ranieri è Software Engineer presso ICSC – Centro Nazionale di Ricerca in HPC, Big Data e Quantum Computing, a Bologna. Laureato in Fisica Teorica all’Università di Bologna, ha lavorato come Research Fellow all’INFN su servizi AI e sistemi distribuiti. Si occupa di applicazioni basate su Large Language Model, con particolare attenzione alla sicurezza: agenti, RAG multimodali e integrazioni tramite Model Context Protocol (MCP). Ha progettato una piattaforma per ospitare chatbot collegati a server MCP pubblici e privati, applicando le linee guida dell’OWASP MCP Security Cheat Sheet: esposizione controllata dei tool, controllo degli accessi basato su ruoli, gestione sicura delle richieste e inferenza interamente locale.
Abstract
Protocollo MCP: rischi e best practice
Per supportare applicazioni avanzate, i Large Language Models (LLM), come quelli sviluppati nell’ambito di IT4LIA AI Factory, vengono integrati con strumenti e servizi esterni per accedere a dati, applicazioni e funzionalità operative. Il Model Context Protocol (MCP) standardizza queste integrazioni, favorendo interoperabilità e riutilizzo, ma introduce nuove superfici di attacco e rischi, tra cui tool poisoning, rug pull, escalation di privilegi tra server e abuso dei permessi. La presentazione analizza le principali minacce legate a MCP attraverso scenari di attacco concreti e best practice per mitigare i rischi: validazione delle definizioni dei tool, verifica delle modifiche, gestione granulare delle autorizzazioni, isolamento dei domini di fiducia, approvazione consapevole delle operazioni e monitoraggio continuo. L’obiettivo è illustrare i rischi e i principi di sicurezza essenziali per progettare e utilizzare integrazioni MCP in modo consapevole e affidabile.
Presentazioni
Video
Bio
Domingo Ranieri is a Software Engineer at ICSC – the National Research Centre for High-Performance Computing, Big Data and Quantum Computing, based in Bologna. He holds a degree in Theoretical Physics from the University of Bologna and has worked as a Research Fellow at INFN on AI services and distributed systems.
Abstract
MCP: risks and best Practices
To support advanced applications, Large Language Models (LLMs), such as those developed within the IT4LIA AI Factory initiative, are integrated with external tools and services to access data, applications and operational capabilities. The Model Context Protocol (MCP) standardises these integrations, promoting interoperability and reuse, but also introduces new attack surfaces and risks, including tool poisoning, rug pulls, privilege escalation across servers and permission abuse. This presentation examines the main threats associated with MCP through concrete attack scenarios and best practices for mitigating risks. These include validating tool definitions, verifying changes, managing permissions at a granular level, isolating trust domains, ensuring informed approval of operations and continuous monitoring. The aim is to outline the key risks and essential security principles for designing and using MCP integrations in an informed and reliable manner.
