Лекції

Розбираємося, як безпечно проєктувати права доступу в ChatGPT‑App: чому LLM — це окрема поверхня атаки; як уникнути Confused Deputy; як розкладати доступ на scopes (наприклад, orders:write); як обмежувати доступ моделі за інструментами ( per‑tool permissions); і де обов’язково вмикати human‑in‑the‑loop. Також обговоримо мережеву сегментацію (gateway/edge, private network, egress allowlist) та multi‑tenant ізоляцію через tenantId із перевіреного токена.

У цій лекції розглянемо системний підхід до секретів і конфіденційних даних у ChatGPT Apps: де мають зберігатися ключі ( KMS, Secrets Manager, env‑vars), чому секретам не місце в system‑prompt і _meta, як влаштований життєвий цикл секрету (створення → зберігання → інʼєкція в рантайм → ротація), а також як організувати PII‑scrub (маскування/видалення/псевдонімізація) для логів, трейсів і APM (наприклад, через pino та правила redact). Окремо поговоримо про secret scanning, дії у разі витоку й типові помилки (наприклад, NEXT_PUBLIC_‑«секрети» та логування Authorization).

Зʼясуєте, чому в LLM‑застосунках не можна довіряти ні користувацькому введенню, ні аргументам інструментів від моделі, ні вебхукам, ні навіть «рідній» базі даних. Навчитеся будувати контракт через схеми ( Zod і JSON Schema), виконувати нормалізацію та coercion (наприклад, z.coerce.number()), забороняти зайві поля через .strict() і закривати класичні інʼєкції: SQL, XSS та prompt injection.

Розбираємося, як надійно приймати вебхуки в ChatGPT Apps/Next.js: чим вхідні вебхуки відрізняються від звичайних викликів API, чому важливо читати raw body, як перевіряти HMAC‑підпис (і timestamp), як відповідати швидко, щоб не отримувати повторних спроб, і як будувати ідемпотентну обробку через дедуплікацію та транзакції. Наприкінці — як поєднати вебхуки з MCP‑інструментами на рівні архітектури та добірка типових помилок.

У цій лекції розглянемо, як у ChatGPT‑застосунку (App) вибудувати контур безпеки та керування життєвим циклом даних: окремі audit‑логи (структура actor/ action/ resource/ outcome), політику data retention (TTL для різних класів даних), підхід «видалення на запит» (зокрема з анонімізацією та привʼязкою до резервних копій), а також основи відмовостійкості через RTO/ RPO, PITR і регулярні перевірки відновлення.