Codex Security는 먼저 최신 커밋부터 과거 커밋 순으로 레포지토리를 스캔합니다. 이를 바탕으로 스캔 컨텍스트를 구성하고 새 커밋이 추가될 때마다 업데이트합니다.
레포지토리를 설정하려면 다음 단계를 따르세요:
GitHub 조직을 선택하세요.
레포지토리를 선택하세요.
스캔할 브랜치를 선택하세요.
환경을 선택하세요.
기록 기간을 선택하세요. 기간이 길수록 더 많은 컨텍스트를 확보할 수 있지만 백필에도 더 오래 걸립니다.
만들기를 클릭하세요.
CodexCodeSecurityAppDocsJSPRO
Create a security scan
We’ll continuously monitor this repository for potential security issues.
Organization
RepositorySelect repository
Branch—
EnvironmentSelect environment
Lookback window1w 2w 1m 3m ∞
CancelCreate
3. 초기 스캔에는 시간이 걸릴 수 있습니다
스캔을 만들면 Codex Security는 먼저 선택한 기록 기간 전체에서 커밋 단위 보안 검사를 실행합니다.
초기 백필에는 몇 시간이 걸릴 수 있으며, 특히 레포지토리가 크거나 기록 기간이 길면 더 오래 걸립니다.
보안 이슈가 바로 표시되지 않는 것은 정상입니다. 티켓을 등록하거나 문제 해결을 시작하기 전에 초기 스캔이 완료될 때까지 기다리세요.
초기 스캔 설정은 자동으로 철저하게 진행됩니다. 이 작업에는 몇 시간이 걸릴 수 있습니다.
첫 번째 보안 이슈가 늦게 나타나더라도 걱정하지 마세요.
Instructor is a Python library that wraps multiple LLM providers (OpenAI, Anthropic, Gemini, Mistral, etc.) and converts model responses into validated Pydantic models. It patches provider client methods to accept response_model, handles schema generation, retries, and response parsing, and offers optional caching, multimodal inputs (images, audio, PDF), batch processing, and CLI tooling. It is usually embedded inside backend services, data pipelines, or scripts that forward user or document content to external LLM APIs. The library itself is not a web server, but it often runs in environments where untrusted user input influences prompts and where returned data may drive downstream automation.
Threat model, trust boundaries and assumptions
Trust boundaries
초기 스캔이 완료되면 스캔을 열고 생성된 위협 모델을 검토하세요.
초기 보안 이슈가 나타나면 아키텍처, 신뢰 경계, 비즈니스 컨텍스트에 맞게 위협 모델을 업데이트하세요.
이렇게 하면 Codex Security가 팀에 맞게 보안 이슈의 우선순위를 정하는 데 도움이 됩니다.
스캔 결과를 바꾸고 싶다면 변경된 범위, 우선순위, 가정을 반영해
위협 모델을 편집할 수 있습니다.
초기 보안 이슈가 나타나면 스캔 지침이 현재 우선순위에 계속 부합하도록 모델을 다시 검토하세요.
위협 모델을 최신 상태로 유지하면 Codex Security가 더 나은 제안을 생성하는 데 도움이 됩니다.
위협 모델과 이 모델이 심각도 및 트리아지에 미치는 영향에 관한 자세한 설명은 위협 모델 개선을 참조하세요.
권장 보안 이슈: 레포지토리에서 가장 심각한 보안 이슈 10개를 지속적으로 업데이트해 보여 주는 목록
모든 보안 이슈: 레포지토리 전체의 보안 이슈를 정렬하고 필터링할 수 있는 표
CodexCodeSecurityAppDocsJSPRO
Archive Create PR
Finding
Bedrock image URL handling enables SSRF via requests.get
ReportPatch
Severity
High
Adjust to improve accuracy in future scans
Commit
Repository
567-labs/instructor
Summary
Introduced SSRF risk by fetching user-controlled http(s) image URLs during Bedrock message conversion.
The commit adds _openai_image_part_to_bedrock and wires it into message preparation. When a message contains an OpenAI-style image_url part, the code issues requests.get() to the supplied URL and embeds the response bytes into the Bedrock request. There is no allowlist, IP filtering, or size limits, and redirects are allowed by default. If an attacker can control message content (common in services that accept user prompts), they can force the host to fetch internal URLs (e.g., metadata services or internal APIs) and exfiltrate the response bytes to the external Bedrock provider. This behavior did not exist before, as Bedrock previously rejected non-text content.
Validation
Identify http(s) fetch of image_url with requests.get without allowlist/size limit in _openai_image_part_to_bedrock.
Confirm OpenAI-style image_url parts are passed to _openai_image_part_to_bedrock in _to_bedrock_content_items.
Confirm _prepare_bedrock_converse_kwargs_internal uses _to_bedrock_content_items on message content.
Demonstrate runtime fetch of attacker-controlled URL via PoC and show bytes returned.
Assess for mitigations (scheme restriction only; no IP/allowlist).
Codex