Ferramentas, repositórios, modelos e padrões

Pseudonimização escalável e executada no próprio ambiente. Pipeline de cinco estágios: leitura em fluxo contínuo de XML, JSON, CSV, PDF, DOCX e XLSX; detecção de entidades combinando um modelo de NER com 36 padrões de expressões regulares; substituição por HMAC-SHA256; persistência do mapeamento em SQLite; e saída preservando o esquema original.

No minicurso: é a ferramenta demonstrada no Tempo 1 da Prática 1. A estratégia de detecção é selecionável por linha de comando e troca cobertura por custo de processamento; a base do capítulo usa a standalone. A aceleração é superior a 535 vezes frente à geração anterior, sobre o mesmo conjunto e o mesmo hardware, em execução exclusivamente por CPU: o ganho é arquitetural, e não dependente de GPU.

Segunda geração da linha. Substitui o hash público por HMAC-SHA256 com chave secreta definida pelo operador, estende o processamento a formatos estruturados com preservação de esquema, e incorpora OCR para texto embutido em imagens e PDFs.

No minicurso: explica por que a chave secreta importa. Sem ela, o adversário reproduz o mapeamento conhecendo apenas o algoritmo e o domínio de entrada, o que torna trivial reverter pseudônimos de espaços pequenos como o de endereços IPv4.

Primeira geração, que estabeleceu a abordagem híbrida: reconhecimento de entidades nomeadas para o que não tem padrão sintático fixo, como nomes de pessoas e de organizações, e expressões regulares para artefatos de formato determinado, como IPs, e-mails, URLs e identificadores CVE.

No minicurso: é o módulo de anonimização do ecossistema GT-LFI, com recall de 97,38% sobre 763 incidentes reais. Introduziu a reidentificação controlada, com trilha de auditoria.

Núcleo de inteligência do ecossistema GT-LFI, com interface Web. Oferece cinco funcionalidades: classificação automática em categorias e subcategorias; sugestão de ações de contenção; geração de playbooks em Markdown e em Ansible; ciclo com humano no laço; e consulta a incidentes similares.

No minicurso: é a ferramenta central das partes práticas 2 e 3. A camada de inteligência é abstraída por um SDK, o que permite alternar entre modelos conforme o requisito de privacidade, e o retorno das validações humanas é incorporado ao conhecimento do sistema.

Implementação de referência das estratégias de prompting avaliadas no capítulo. Escrita em Python, recebe tickets pseudonimizados, monta o prompt conforme o cenário escolhido (com ou sem taxonomia, com ou sem heurística iterativa), envia às APIs dos modelos configurados e exporta os resultados em CSV, XLSX ou JSON.

No minicurso: sustenta o experimento de quatro cenários sobre 194 incidentes que mostra o ganho de combinar taxonomia estruturada com heurística iterativa. Foi posteriormente incorporada ao AutoClass-LFI.

Evolução do SecLINC. Generaliza o mecanismo para cinco técnicas de engenharia de prompts e adiciona suporte à execução local via Ollama.

No minicurso: é a base dos experimentos com modelos de pesos abertos executados no próprio ambiente, que quantificam o custo de acurácia da opção pela privacidade.

Learn From Incidents, projeto do programa Hackers do Bem da RNP. Integra quatro módulos em um ciclo único: o ANON-LFI pseudonimiza; o AutoClass-LFI classifica e recomenda; o Módulo PoP submete o resultado à análise de estagiários e à validação de analistas experientes; e a plataforma educacional converte os incidentes validados em trilhas, lições, quizzes e desafios.

No minicurso: é a moldura operacional e pedagógica de todo o capítulo. Foi ele que converteu o ciclo operacional em ciclo pedagógico, fechando o laço entre operação e formação.

Ambiente operacional de triagem e validação do ecossistema GT-LFI. Oferece aos estagiários uma interface na qual os incidentes aparecem com os rótulos sugeridos pela IA para análise crítica, e aos analistas experientes uma visão consolidada com taxa de concordância entre humano e IA, histórico de decisões e priorização.

No minicurso: é onde a validação humana deixa de ser discurso e vira mecanismo. Ele posiciona a validação entre a classificação e a geração do playbook, e não apenas ao final, justamente porque uma classificação equivocada produz um playbook corretamente gerado para a categoria errada.

Plataforma de gamificação baseada em IA voltada ao ensino e à aprendizagem em segurança. Converte os incidentes já validados em trilhas, lições, quizzes e desafios.

No minicurso: é o elo que fecha o ciclo entre operação e formação. Na avaliação com 35 residentes, a taxa média de acerto entre pré-teste e pós-teste subiu de 67,9% para 91,7%. A trilha de classificação de incidentes foi a mais difícil, com o menor escore médio, o que dialoga diretamente com os limites observados nos modelos automáticos.

Gerador de tickets sintéticos de segurança, do ecossistema GT-LFI.

No minicurso: endereça a segunda estratégia de mitigação da escassez de dados. As duas são complementares, e não concorrentes: dados pseudonimizados podem alimentar modelos que produzem conjuntos sintéticos publicáveis. A equipe do GT-LFI registra a construção de uma base sintética de incidentes como prioridade para os próximos ciclos.

Plataforma gamificada de simulação de SOC, voltada a treinamento em caça a ameaças e a educação em resposta a incidentes, desenvolvida em parceria com a RNP. A arquitetura é caracterizada como um ambiente do tipo SIEM, o que permite reproduzir de forma controlada as condições de trabalho de um analista.

No minicurso: complementa o ecossistema GT-LFI ao oferecer o ambiente de simulação que as trilhas de formação pressupõem.

Contém os cinco notebooks Python, que cobrem os três estudos de caso e se encadeiam pelas saídas de cada prática; o conjunto de tickets sintéticos usados nas demonstrações; os prompts de referência; cinco procedimentos operacionais padrão em dados/pops/; e as instruções de instalação.

No minicurso: é o complemento executável do capítulo. Os notebooks são auto-contidos, não dependem de acesso às ferramentas internas do grupo e executam sem GPU e sem credenciais de API. O código está sob licença MIT; os textos, os dados sintéticos e o material didático, sob CC BY 4.0.

O texto integral do Capítulo 1, em português, com 50 páginas: os fundamentos normativos, a revisão da literatura organizada por categoria de aplicação, os três estudos de caso e as conclusões.

No minicurso: é a fonte de tudo o que este site resume. O capítulo explica o porquê; o repositório mostra o como, de forma executável. A versão aqui disponível é a dos autores, anterior à publicação oficial pela SBC.

SDK de proteção de dados e de-identificação, com orquestração de reconhecedores de informação pessoal em texto livre.

No minicurso: é usado pela estratégia presidio do AnonShield, que maximiza o recall ao custo de falsos positivos vindos de reconhecedores irrelevantes ao domínio de segurança. Precisão de 71,9% com o mesmo recall de 96,4% das demais estratégias, o que é defensável quando a sobreanonimização é aceitável.

Anonimização de dados tabulares com garantias formais: k-anonimidade, l-diversidade e t-proximidade. Origem no domínio biomédico.

No minicurso: aparece como contraponto. Ferramentas assim pressupõem dados tabulares e a detecção já feita, e por isso não atacam o problema operacional dos relatos em texto livre.

Controle de divulgação estatística para microdados, com origem no domínio estatístico.

No minicurso: mesmo contraponto do ARX. É uma ferramenta madura para dados tabulares estruturados, e não para relatos narrativos misturados a artefatos técnicos.

Anonimização de endereços IP preservando a estrutura de prefixo, o que mantém a possibilidade de análise por sub-rede depois do tratamento.

No minicurso: é elegante e resolve bem o que se propõe, mas cobre um único tipo de entidade. Foi usada por Jesus Filho e colegas na anonimização da base rotulada com a taxonomia do CERT.br.

Modelo comercial leve, acessado por API, com camada gratuita no Google AI Studio suficiente para as atividades do minicurso.

No minicurso: é o modelo que produziu os resultados reportados nos estudos de caso 2 e 3, e o que a Prática 2 chama em tempo real. O identificador exato é registrado de propósito: provedores comerciais atualizam endpoints sem aviso, e a reprodução dos números depende dessa informação.

Camada de empacotamento e gestão de modelos de pesos abertos para execução local, que reduz substancialmente a barreira de entrada.

No minicurso: é o provedor local da Prática 3 e a base dos experimentos com modelos abertos que quantificam o custo da privacidade. É o caminho que torna tangível esse argumento: com ele, o dado não sai da máquina do participante.

Biblioteca e repositório associado que consolidaram o ecossistema no qual modelos pré-treinados são distribuídos com pesos abertos e podem ser executados localmente.

No minicurso: carrega o modelo de NER do AnonShield. O notebook da Prática 1 degrada com elegância: se a biblioteca não estiver disponível, um reconhecedor léxico simplificado assume o papel, e a lição sobre cobertura permanece observável.

Modelo multilíngue de reconhecimento de entidades nomeadas, que reconhece pessoa, organização e local.

No minicurso: é o modelo padrão de NER do AnonShield, usado sem ajuste fino. O caráter multilíngue importa, porque relatos de CSIRTs acadêmicos brasileiros misturam português e inglês, por vezes no mesmo ticket.

Modelo de reconhecimento de entidades treinado sobre aproximadamente 503 mil trechos anotados de inteligência de ameaças, capaz de reconhecer 22 tipos de entidade específicos de cibersegurança.

No minicurso: é a alternativa de domínio ao modelo multilíngue padrão. Endereça a lacuna apontada no capítulo: frameworks genéricos de PLN não trazem, de fábrica, reconhecedores para o vocabulário técnico de segurança.

Modelo de embeddings de sentença da família Sentence-BERT, usado para medir similaridade semântica entre trechos de texto.

No minicurso: sustenta a comparação semântica entre a resposta do modelo e o rótulo humano, necessária quando o modelo responde em texto livre. Introduz uma dependência que precisa ser declarada, porque a escolha do modelo de embeddings muda os números.

Modelo de 8 bilhões de parâmetros com pré-treinamento contínuo adaptado ao domínio de segurança, publicado pela Foundation AI da Cisco.

No minicurso: representa a terceira via para reduzir a lacuna entre modelos locais e comerciais sem abrir mão da execução local. O treinamento contínuo sobre corpora especializados melhora tarefas típicas de SOC, incluindo triagem e enriquecimento de alertas.

Entre 21 modelos de 1 a 20 bilhões de parâmetros avaliados, três se destacaram na faixa de 62% a 70% de precisão nas duas plataformas de hardware testadas: deepseek-r1:14b, phi3:14b e qwen3:4b. Modelos de 1B a 1,8B ficaram abaixo de 20%.

No minicurso: delimitam a recomendação prática de hardware. Os fatores determinantes são o número de parâmetros e a capacidade de GPU, e não a temperatura: quem pretende operar classificação local deve investir em memória de vídeo, e não gastar tempo calibrando temperatura.

Orquestrador SOAR de código aberto, com editor visual de fluxos e ampla biblioteca de conectores.

No minicurso: é a principal opção citada no levantamento de plataformas SOAR abertas e a base de integração do AI4SOAR, usada para demonstrar a seleção automática de playbooks.

Plataforma de gestão de casos de resposta a incidentes, com forte integração ao motor de análise Cortex.

No minicurso: aparece no levantamento de plataformas abertas como a opção voltada à gestão do caso, e não à orquestração do fluxo.

Motor de análise que acompanha o TheHive, executando analisadores e ações de resposta sobre os observáveis de um caso.

No minicurso: é o componente que executa o enriquecimento, etapa que antecede a decisão sobre a qual playbook recorrer.

Combina funções de SIEM, detecção em endpoint e resposta ativa em uma única plataforma de código aberto.

No minicurso: corresponde às camadas de visibilidade e de detecção comportamental, os dois primeiros dos três níveis de maturidade propostos para quem monta um SOC com componentes abertos.

Em vez de gerar um playbook novo, seleciona do repositório existente aquele mais adequado ao alerta recebido, usando aprendizado de similaridade, com integração ao Shuffle.

No minicurso: representa o caminho de recuperar em vez de gerar. A vantagem de segurança costuma ser subestimada: o procedimento recuperado já foi homologado, o que elimina a categoria inteira de riscos associados à alucinação. A limitação é a cobertura, já que alertas inéditos não têm correspondente.

A revisão 3 promoveu uma mudança de perspectiva relevante: em vez de tratar a resposta a incidentes como processo autocontido com fases próprias, passa a apresentá-la como um perfil comunitário do NIST CSF 2.0. Preparação e aprendizado deixam de ser etapas de um ciclo fechado e se tornam atividades contínuas de gestão de risco.

No minicurso: dela deriva a taxonomia de referência adotada, com doze categorias funcionais, usada de forma consistente nos estudos de caso 1 e 2.

Organiza a gestão de segurança em seis funções: Governar, Identificar, Proteger, Detectar, Responder e Recuperar.

No minicurso: é a estrutura sobre a qual o capítulo mapeia, função a função, onde a IA pode apoiar e o que permanece sob decisão humana. Governar é a função que decide quanta autonomia delegar a um sistema automatizado.

Organiza a gestão de risco de sistemas de IA em quatro funções: Governar, Mapear, Medir e Gerir.

No minicurso: fornece os princípios de governança aplicáveis ao contexto de um SOC, que é onde a discussão abstrata sobre autonomia se converte em decisão por função.

Trata da identificação e da gestão de viés em inteligência artificial.

No minicurso: é a referência que enfatiza o humano no laço como prática central de mitigação de riscos de IA, e sustenta o desenho do Módulo PoP.

Organiza a atuação de uma equipe de resposta em áreas de serviço: gestão de eventos de segurança, gestão de incidentes e gestão de vulnerabilidades, entre outras. É deliberadamente agnóstico quanto a ferramentas: descreve o que a equipe faz, não como.

No minicurso: fornece o vocabulário que separa CSIRT de SOC, distinção frequentemente confundida. Ambos consomem o mesmo insumo, relatos textuais de eventos adversos, e enfrentam o mesmo gargalo de triagem.

Padrão OASIS para representação de playbooks em JSON, com estrutura explícita de fluxo: passos sequenciais, condicionais, paralelos e de decisão, além de agentes-alvo e comandos. Seu propósito é o intercâmbio entre organizações e a orquestração em plataformas SOAR.

No minicurso: é o formato exigido na saída da Prática 3, e o que torna a validação automática possível. A validação sintática verifica a conformidade com o esquema; a semântica verifica se os passos referenciados existem, se o grafo é alcançável e sem ciclos indevidos, e se nenhum comando usa ferramenta fora da lista autorizada.

Cataloga táticas e técnicas adversárias observadas em incidentes reais, e é o vocabulário de referência para inteligência de ameaças.

No minicurso: serve de contexto na geração de playbooks, mas o capítulo faz uma ressalva importante: o ATT&CK descreve como um adversário age, e não que tipo de incidente ocorreu, e por isso não substitui uma taxonomia de classificação.

Taxonomia de classificação de incidentes concebida para harmonizar a comunicação entre CSIRTs europeus.

No minicurso: integra o panorama de vocabulários em uso, ao lado do MITRE ATT&CK, da taxonomia do CERT.br e das categorias funcionais do NIST.

Conjunto compacto de categorias operacionais adotado nas notificações nacionais. No recorte usado no capítulo, são seis categorias: DoS, fraude, intrusão, varredura, web e outros.

No minicurso: é usada como contraste às doze categorias do NIST, o que permite discutir um ponto raramente explicitado: a escolha do vocabulário afeta o desempenho medido tanto quanto a escolha do modelo, e reportar acurácia sem declarar a taxonomia torna o número incomparável.

Formato executável dos playbooks, no qual cada passo se torna uma tarefa idempotente aplicável à infraestrutura.

No minicurso: é uma das três representações de playbook usadas. A idempotência é decisiva, porque reexecutar o procedimento não duplica efeitos, o que importa quando o estado do ambiente é incerto. A contrapartida é que um playbook executável gerado por modelo é, potencialmente, um vetor de ação insegura.

Lei n. 13.709, de 14 de agosto de 2018, a Lei Geral de Proteção de Dados Pessoais.

No minicurso: define o regime jurídico de todo o material. A consequência precisa ser enunciada sem ambiguidade: como a reversão é possível por quem detém a chave e o mapeamento, o dado pseudonimizado permanece dado pessoal. Equipes que tratam pseudonimização como equivalente a anonimização assumem risco de conformidade que não percebem.

Série histórica de incidentes notificados ao CERT.br, com detalhamento por tipo de incidente e por ano.

No minicurso: é a fonte do número que abre o capítulo, 516.556 notificações somente em 2024, equivalentes a uma média de 1.411 por dia.

Navegação por vulnerabilidades publicadas, organizadas por data.

No minicurso: sustenta o segundo indicador de pressão: as CVEs divulgadas por ano passaram de cerca de 7.928 em 2014 para 40.287 em 2024, chegaram a 48.448 em 2025 e têm previsão mediana em torno de 59.400 para 2026.