Rever a IA que entregas
Ameaças, mandatos, kill-switch, AI BOM, logging e runtime boundaries para sistemas IA/ML/agênticos.
"AI security" costuma fundir três coisas distintas. Nós separamo-las e dizemos qual é qual — porque desambiguar é o que distingue engenharia de buzzword.
Uma equipa pode precisar de rever um sistema de IA, controlar o que agentes fazem no SDLC, ou mapear obrigações regulatórias para decisões e evidência. Misturar estes problemas cria programas caros e pouco verificáveis.
A ShiftLeft separa o âmbito primeiro. Depois aplica a mesma disciplina SbD: risco proporcional, fronteiras claras, evidência citável, e aprovação humana onde há autoridade.
Ameaças, mandatos, kill-switch, AI BOM, logging e runtime boundaries para sistemas IA/ML/agênticos.
Agentes e copilots recebem contexto de segurança determinístico no IDE, PR e pipeline, com IDs reais.
Obrigações regulatórias traduzidas em áreas a ativar, evidência a recolher e pontos de aprovação humana.
Sistemas IA/ML/agênticos tratados como software com superfície de ataque. Agente como principal, mandate · kill-switch · intent, audit por tool/budget, jailbreak detection, AI BOM (CycloneDX ml-bom), cross-check AI Act + CRA, técnicas MITRE ATLAS.
O MCP serve segurança aos agentes e copilots no ponto de mudança: grounding determinístico, cita IDs reais, nunca inventa. O agente recebe AUT-001 real — não uma alucinação plausível. 13 papéis como skills prontas a instalar.
Da corrida de auditoria no fim, para a activação no ponto de execução. Identificação da obrigação — AI Act, DORA, NIS2, CRA, GDPR — e a lente devolve as áreas do manual a activar, com evidência que traça até à fonte. A IA não cria autoridade; a aprovação é acto humano.