Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Sandboxing i sigurnosna ograničenja

Lekcija 11 od 20 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Sandboxing i sigurnosna ograničenja
  2. Arhitektura sandboxa
  3. Što je dostupno
  4. Što je ograničeno
  5. Sigurnost podataka
  6. Rukovanje greškama izvršavanja
  7. Najbolje prakse
  8. Ključne točke

Ažurirano 2. studenoga 2026. na temelju OpenAI dokumentacije: alat Code Interpreter sada zahtijeva parametar container (dodan u sve primjere). Mreža kontejnera, zadano zatvorena, sada se može otvoriti za popis dopuštenih domena (allowlist). Pravila životnog ciklusa kontejnera (memorija, istek, ponovna upotreba) slijede službeni vodič. Datoteke priložene poruci učitavaju se s namjenom user_data, kako preporučuje OpenAI za ulazne podatke modela. Izvori: Code Interpreter · Container Network Access · Containers API · Files API.

Sandboxing i sigurnosna ograničenja

Ograničenja sandboxa nisu greške koje treba zaobići: ona su svojstva koja čine izvršavanje generiranog koda prihvatljivim. Mrežno izolirano okruženje s kratkim vijekom trajanja i ograničenim resursima ne može iznijeti tvoje podatke, ostaviti stanje neodređeno vrijeme ili trošiti resurse bez granice.

Poznavanje ovih ograničenja unaprijed štedi ti debugiranje nemogućeg. Tri ponavljajuća pitanja—zašto pip install ne uspijeva, zašto je moja datoteka nestala između poziva, zašto moja obrada puca na velikoj datoteci—sva imaju odgovore u nastavku, i nijedno nije greška.

Arhitektura sandboxa

Code Interpreter pokreće kod u kontejneru, izoliranom virtualnom stroju koji hosta OpenAI, sa sljedećim svojstvima:

  • Mreža zadano zatvorena: nema odlaznih zahtjeva, osim za izričito otvoren popis dopuštenih domena (vidi dolje)
  • Kratki vijek trajanja: kontejner istječe nakon 20 minuta neaktivnosti, a sve unutra se tada briše
  • Ograničena memorija: zadano 1 GB, ili 4, 16 ili 64 GB na zahtjev (memory_limit), pri čemu svaka razina ima svoju cijenu
from openai import OpenAI

client = OpenAI()

# Bez allowlista, preuzimanje će neuspjeti: nema mrežnog pristupa
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Download the content of https://example.com using requests",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

# Model će objasniti da mrežni pristup nije dostupan
print(response.output_text)

Što je dostupno

Predinstalirane biblioteke

OpenAI ne objavljuje službeni popis paketa u kontejneru, a on se mijenja tijekom vremena. Istraživanje koje je objavio developer na OpenAI forumu u studenom 2025. brojalo je 389 paketa, uključujući očekivane biblioteke za analizu: pandas, numpy, scipy i statsmodels za podatke; matplotlib, seaborn i plotly za vizualizaciju; Pillow za slike; sympy za simboličku matematiku; openpyxl za Excel. Umjesto da pretpostavljaš, neka model napravi inventar na početku projekta:

response = client.responses.create(
    model="gpt-5.6-terra",
    input="List the installed Python packages with their versions, "
          "then display the Python version.",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
print(response.output_text)

Verzije su jednako važne kao i imena: isto istraživanje pokazalo je pandas 1.5.3, što prethodi pandasu 2.0. Ako tvoja obrada ovisi o nedavnoj funkciji, provjeri postoji li prije nego što gradiš na njoj.

Datotečni sustav

Kod čita i piše datoteke unutar kontejnera. Datoteke koje model stvara citirane su u njegovom odgovoru i preuzimaju se pomoću funkcija fichiers_generes i telecharger iz Lekcije 10:

# Model može stvoriti datoteke unutar kontejnera
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Create a CSV file with 100 lines of test data "
          "(name, age, city, salary) and return it.",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

for ann in fichiers_generes(response):
    telecharger(client, ann, ann.filename)

Što je ograničeno

Mrežni pristup

Zadano, kontejner nema odlazni pristup: nema pip install, nema API poziva, nema preuzimanja. Ovo je najstrukturnije ograničenje i namjerno je: generirani kod ne može ništa poslati nigdje. Ono što tvoja obrada treba mora biti prisutno u kontejneru ili ga moraš učitati ti—a ako su podaci na mreži, alat za web pretragu će ih često dohvatiti umjesto toga.

# Bez allowlista (zadani slučaj), nemoguće:
# - requests.get(), urllib.request
# - socket, http.client
# - pip install (nema preuzimanja)
# - Pristup vanjskim API-jima
# - Slanje e-pošte

Otvaranje pristupa postoji, ali se odlučuje na dvije razine. Administrator prvo definira allowlist organizacije na nadzornoj ploči; svaki zahtjev zatim deklarira network_policy koji ga može samo dodatno ograničiti—zahtjev koji traži domenu odsutnu s popisa organizacije ne uspijeva.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Update pandas with pip, then display the installed version.",
    tools=[{
        "type": "code_interpreter",
        "container": {
            "type": "auto",
            "network_policy": {
                "type": "allowlist",
                "allowed_domains": ["pypi.org", "files.pythonhosted.org"],
            },
        },
    }],
)

Otvaranje domena ima cijenu, a OpenAI to jasno navodi: to su vrata za iznošenje podataka putem ubrizgavanja prompta (prompt injection). Autoriziraj samo pouzdane domene koje napadač ne može iskoristiti za primanje podataka—i čuvaj se zajedničkog hostinga, gdje bilo tko može postaviti poslužitelj koji će bilježiti tvoje zahtjeve.

Ustrajnost između poziva

Nedostatak ustrajnosti iznenađuje većinu pri lančanju poziva: DataFrame učitan u prvom pozivu više ne postoji u drugom. Točno pravilo ovisi o načinu auto: on stvara novi kontejner, osim ako kontekst modela već ne sadrži poziv Code Interpretera čiji je kontejner još aktivan—tada ga ponovno koristi. Dva neovisna poziva stoga rade svaki u svom, dok poziv povezan s prethodnim (s previous_response_id) pronalazi svoj ako nije istekao. Unutar jednog poziva, višestruka izvršavanja koda dijele istu sesiju.

# Prvi poziv: stvara datoteku
response1 = client.responses.create(
    model="gpt-5.6-terra",
    input="Create a variable x = 42 and save it to a file",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)

# Drugi poziv, neovisan o prvom: novi kontejner
response2 = client.responses.create(
    model="gpt-5.6-terra",
    input="Read the file created previously",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
# -> Greška: datoteka nije pronađena

Da bi zadržao rezultate između poziva bez oslanjanja na kontekst, natjeraj ih da rade u istom kontejneru. Stvori ga izričito pomoću Containers API-ja i proslijedi njegov ID svakom pozivu: datoteke koje proizvede jedan korak ostaju dostupne za sljedeći. Zadano istječe nakon 20 minuta neaktivnosti i njegovi podaci se tada trajno gube: preuzmi ono što želiš zadržati, a zatim ga sam obriši.

def pipeline_avec_persistance(etapes: list[str]) -> list:
    """Executes successive steps in the same container."""
    conteneur = client.containers.create(name="pipeline")
    resultats = []

    for etape in etapes:
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=etape,
            tools=[{"type": "code_interpreter", "container": conteneur.id}],
        )
        resultats.append(response.output_text)

    # Nakon preuzimanja korisnih datoteka (Lekcija 10)
    client.containers.delete(conteneur.id)
    return resultats

Ne vraćaj generirane datoteke kao input_file: njihovi ID-ovi (cfile_…) odnose se na datoteke kontejnera, a ne na datoteke Files API-ja.

Memorija i teška obrada

Dokumentacija ne objavljuje maksimalno trajanje izvršavanja; konkretno ograničenje je memorija kontejnera, odabrana pri stvaranju i vrijedi za cijeli njegov život. Za veliku datoteku odaberi odgovarajuću razinu i daj da se rad podijeli. Iznad toga—treniranje modela, masovna računanja—moraš koristiti vlastitu infrastrukturu, pri čemu kontejner ostaje alat za interaktivnu analizu.

# Uzorak za tešku obradu: više memorije, podijeljen rad
with open("transactions.csv", "rb") as f:
    fichier = client.files.create(file=f, purpose="user_data")

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": (
                "Process this 500,000-line CSV file in batches of 50,000. "
                "For each batch, calculate statistics and accumulate results."
            )},
            {"type": "input_file", "file_id": fichier.id}
        ]
    }],
    tools=[{"type": "code_interpreter", "container": {"type": "auto", "memory_limit": "4g"}}],
    instructions="If processing risks being long, split it into steps "
                "and display progress."
)

Sigurnost podataka

Osjetljivi podaci

Podaci kopirani u kontejner brišu se kada istekne ili se obriše. To nije slučaj s datotekom učitanoj putem Files API-ja: ona ostaje tamo dok je ne obrišeš, osim ako ne postaviš istek (expires_after, između jednog sata i trideset dana). A rezoniranje o usklađenosti tu ne staje: tvoji podaci su napustili tvoju infrastrukturu da bi ih obradila treća strana. Pseudonimizacija prije slanja košta nekoliko redaka i smanjuje ono što izlazi—jer ID kupca koji nikada ne izađe ne može predstavljati nikakav problem.

Ključirani hash (HMAC) daje stabilne pseudonime od jednog slanja do drugog, koje nitko ne može povezati s izvornim vrijednostima bez ključa. Prema GDPR-u, rezultat ostaje pseudonimizirani osobni podatak, a ne anoniman: ključ mora ostati kod tebe.

import hashlib
import hmac
import os

import pandas as pd

CLE = os.environ["CLE_PSEUDONYMISATION"].encode()  # tajna čuvana izvan koda


def pseudonyme(valeur) -> str:
    return hmac.new(CLE, str(valeur).encode(), hashlib.sha256).hexdigest()[:16]


def analyser_donnees_sensibles(fichier_path: str, colonnes_a_masquer: list[str]):
    """Pseudonymizes data before sending to Code Interpreter."""
    df = pd.read_csv(fichier_path)
    for col in colonnes_a_masquer:
        if col in df.columns:
            df[col] = df[col].map(pseudonyme)

    fichier_pseudo = "/tmp/donnees_pseudonymisees.csv"
    df.to_csv(fichier_pseudo, index=False)

    # Pošalji s automatskim istekom nakon jednog sata
    with open(fichier_pseudo, "rb") as f:
        fichier = client.files.create(
            file=f,
            purpose="user_data",
            expires_after={"anchor": "created_at", "seconds": 3600},
        )

    response = client.responses.create(
        model="gpt-5.6-terra",
        input=[{
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Analyze trends in this data"},
                {"type": "input_file", "file_id": fichier.id}
            ]
        }],
        tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
    )
    client.files.delete(fichier.id)  # bez čekanja isteka
    return response.output_text

Generirani kod

Izolacija štiti tvoj sustav, a ne točnost rezultata: kod se pokreće kod OpenAI-ja, u kontejneru za jednokratnu upotrebu, i nikada ne dodiruje tvoje strojeve. Rizik se pomiče na ono što radiš s njegovim izlazima. Ako dohvaćaš kod da bi ga pokrenuo na svojoj strani, pregledaj ga kao kod treće strane. A ako kontejner ima allowlist, imaj na umu da zlonamjerna datoteka može sadržavati upute koje guraju model da pošalje podatke na te domene.

Rukovanje greškama izvršavanja

Kod može neuspjeti u sandboxu. Model općenito pokušava ispraviti:

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Calculate the inverse matrix of a singular matrix [[1,2],[2,4]]",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
    instructions="If the code produces an error, explain why "
                "and propose an alternative."
)

# Model izvršava kod, detektira LinAlgError,
# zatim objašnjava da je matrica singularna i predlaže
# Moore-Penroseovu pseudoinverznu matricu

Najbolje prakse

# 1. Budi specifičan u svojim uputama
# Loše:
input_vague = "Analyze this data"

# Dobro:
input_precis = ("Load this CSV with pandas. "
               "Calculate the mean, median, and standard deviation of the 'amount' column. "
               "Identify values greater than 3 standard deviations. "
               "Generate a boxplot.")

# 2. Zatraži komentirani kod
instructions = "Comment each step of the code. Display intermediate results."

# 3. Rukuj velikim datotekama
instructions_lot = ("If the file exceeds 100,000 lines, "
                   "work on a representative sample of 10,000 lines "
                   "and indicate this in your response.")

Ključne točke

  • Kontejner je izoliran: mreža zadano zatvorena, memorija ograničena, istek nakon 20 minuta neaktivnosti
  • OpenAI ne objavljuje popis paketa: neka model napravi inventar
  • Allowlist domena otvara se na dvije razine (organizacija, zatim zahtjev) i izlaže iznošenju podataka: stavi tamo samo pouzdane domene
  • Da bi povezao korake, ponovno upotrijebi isti kontejner (client.containers.create, zatim njegov ID na svakom pozivu) i obriši ga na kraju
  • Pseudonimiziraj osjetljive podatke prije slanja i obriši učitane datoteke nakon upotrebe
  • Model rukuje greškama izvršavanja i pokušava se sam ispraviti