Egy létező megoldás a nem megbízhatónak tekintett kódok saját számítógépen futtatására a lokális sandboxok használata. A létező sandboxing technológiák használata azonban számos kihívást vet fel: a kód teljesítményét ronthatja, specializált tudást igényelhet, vagy a munkát elfogadhatatlanul kényelmetlenné teheti. Különösen igaz ez sok gépi tanulási algoritmus (pl. mély neurális hálózatok) esetén, ahol GPU hozzáférés és nagy memóriahasználat jellemző.

A feladat annak vizsgálata, hogy a létező sandbox technológiák közül melyik alkalmas gépi tanulási algoritmusok biztonságos lokális futtatására, és hogyan lehet ezt az eszközt megfelelően konfigurálni úgy, hogy a kód ne férhessen hozzá a host rendszer adataihoz és ne fusson kontroll nélkül. A feladat fontos része a megoldások kompromisszumainak dokumentált összehasonlítása. Készíthető egy parancssori/grafikus sandbox wrapper is gépi tanulási kód biztonságos futtatásához, ami elfedi a mögöttes technológiák komplexitását és érthetően magyarázza el a biztonsági kompromisszumokat. A feladat pontos részleteiről majd beszéljünk.