Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Do Código ao Deploy: Como a IA está transforman...

Sponsored · Your Podcast. Everywhere. Effortlessly. Share. Educate. Inspire. Entertain. You do you. We'll handle the rest. →

Do Código ao Deploy: Como a IA está transformando DevSecOps

DevFest Rio de Janeiro 2026: Inovação e Tecnologia. Junte-se a nós para o DevFest Rio de Janeiro 2026, um mergulho no mundo da inovação e tecnologia!

Amaury Borges Souza

November 15, 2026

Transcript

43 slides
  1. PROF.: AMAURY BORGES SOUZA @FIAP CLOUD SECURITY ENGINEER @CI&T Engenheiro

    de Nuvem com foco em segurança, com mais de +12 anos de experiência na área. Gosto de IA/ML, adoro ferramentas de automação, hacking ético e Linux. FOTO • AWS Community Builder • Hashicorp Ambassador • Hashicorp User Group Leader LET'S CONNECT Formação: Fatec Americana (Bach. Análise de Sistemas 2013), Extensão Cloud Computing LARC USP - 2018), Pós-Graduação PUC ( Arquitetura de Soluções - 2023).:
  2. • O novo cenário do DevSecOps • Por que mais

    scanners ≠ mais segurança • IA aplicada ao ciclo do SDLC • Exemplos com Agentic DevSecOps • Guardrails e o futuro do DevSecOps Pauta da talk Da análise de vulnerabilidades à automação inteligente de segurança no pipeline.
  3. DevFest Rio de Janeiro 2026 É um prazer estar aqui

    no DevFest Rio 2026. Hoje vamos conversar sobre como a inteligência artificial está mudando a maneira como identificamos vulnerabilidades, priorizamos riscos e automatizamos a segurança, desde o código até o deploy.
  4. Cenário hoje. Processos manuais e desacoplados geram gargalos e expõem

    lacunas críticas de conformidade antes da produção.
  5. Gaps do DevSecOps • Limitações de detecção: Scanners baseados em

    regras e assinaturas podem não identificar vulnerabilidades inéditas ou falhas complexas de lógica de negócio. • Falsos Positivos e Negativos: Podem alertar sobre falhas inexistentes na sua configuração (falso positivo). • Incapacidade de contexto: A ferramenta indica a falha, mas não avalia o impacto prático dela ou como um cibercriminoso pode encadeá-la para invadir o sistema. Por que scanners tradicionais não são suficientes?
  6. A nuvem e o CI/CD sob ataque Cada vez mais

    visualizamos notícias sobre ataques em supply-chain, secrets exposed, pipelines sendo invadidas…
  7. A superfície de ataque mudou O pipeline deixou de ser

    apenas o caminho para produção. Ele também virou parte da superfície de ataque. Antes, protegíamos principalmente: • Código • Infraestrutura • Aplicações • Credenciais humanas
  8. • • • • • • Software Supply Chain AI

    Agents Non-Human Identities CI/CD Artifacts Third-party integrations A segurança nunca foi tão importante como nesta era.
  9. “Nem todo risco aparece apenas como CVE. Mudanças pequenas podem

    indicar riscos relevantes no pipeline e na aplicação.”
  10. Exemplos comuns ❌ secret hardcoded ❌ dependência desconhecida ❌ permissões

    administrativas ❌ bypass de validações ❌ alteração insegura em IaC
  11. Escalando o Cenário hoje. DevSecOps. Mais segurança Processos manuais semedesacelerar

    desacoplados os geram times. gargalos e expõem lacunas críticas de conformidade antes da produção.
  12. Claude acelera análise, priorização e correção de vulnerabilidades Trivy report

    + Terraform inseguro + pipeline logs ↓ Claude Code analisa o contexto e sugere remediation Prompt de exemplo: “Analise estas constatações de segurança e sugira medidas de correção com base na explorabilidade, na exposição e no impacto operacional.”
  13. Mindset do Shift Left 1. Detecta falhas mais cedo e

    a um custo menor. 2. Reduz o tempo para identificar a causa raiz. 3. Diminui o retrabalho e acelera as entregas.
  14. Policy as Code no DevSecOps Automatizando regras e validações de

    segurança. O que pode ser validado: ✅ permissões excessivas ✅ recursos inseguros ✅ imagens não aprovadas ✅ portas públicas ✅ padrões obrigatórios de compliance
  15. Ferramentas de IA para IDE/Desenvolvimento • Amazon Q Developer :

    detecta misconfigs em IaC, sugere código seguro e explica findings do Inspector/GuardDuty. • GitHub Copilot / Copilot Autofix : identifica padrões inseguros e sugere correções automáticas em PRs. • SonarQube : Linter avançado para detectar e corrigir problemas de codificação localmente em JS/TS, Python, Java, C#, C/C++, Go
  16. Exemplos Ferramentas & Guidelines 1. OWASP AIBOM 2. Snyk 3.

    Security Guidelines OWASP 4. Grype 5. SLSA ( Framework Supply Chain Software) 6. OpenSSF (Ecossistema de segurança)
  17. Mais segurança ou mais ruído? O pipeline moderno tem alguns

    pontos para se observar: • • • • Mais scanners Mais alertas Mais ferramentas Menos contexto
  18. Onde nasce o atrito? Segurança deve acelerar o desenvolvimento, não

    criar barreiras. O atrito começa quando… • Pipelines lentos • Muitos bloqueios • Feedback demorado • Falta de contexto
  19. Cenário hoje.+ IA. DevSecOps Quando a IA Processos manuais deixa

    de e desacoplados sugerir e começa geram a agir. gargalos e expõem lacunas críticas de conformidade antes da produção.
  20. Fortalecimento da IA para DevSecOps: O papel da IA A

    IA conecta informações, adiciona contexto e acelera a tomada de decisão. • Resumir findings • Explicar riscos • Priorizar vulnerabilidades • Sugerir correções
  21. AI Bill of Materials A iniciativa AIBOM da OWASP promove

    abordagens abertas e padronizadas para a transparência e a segurança na cadeia de suprimentos de IA. Por meio da operacionalização do conceito de "AI Bill of Materials" (AIBOM), uma lista de componentes de IA.
  22. Modelos mais usados para DevSecOps na pipeline: Modelos de IA

    Para casos de uso com (skills de Terraform/Docker/pipeline security) • OPUS 4.8 (Excelente raciocínio e análise de código) • Claude Fable 5 - Mythos (Code reasoning e AI Agents) • GPT-5.6 Sol (Forte em automação, agentes e tool calling) • Gemini 3.1 Pro (Bom para integração com ecossistema Google )
  23. Security gates inteligentes • Bloquear apenas riscos críticos. • Reduzir

    interrupções. • Decisões baseadas em contexto.
  24. Cenáriodehoje. Casos Uso com IA. Segurança manuais Processos integradae ao

    desacoplados fluxo, não adicionada geram gargalos no final. e expõem lacunas críticas de conformidade antes da produção.
  25. Onde nasce o atrito? Segurança deve acelerar o desenvolvimento, não

    criar barreiras. O scanner encontra. O agente contextualiza. A política decide • Correlaciona findings de múltiplas ferramentas • Prioriza riscos usando contexto • Acelera remediação com governança
  26. O novo shift-left é Cenário hoje. contexto. Menos findings. Processos

    manuais Maise contexto. desacoplados Melhores geram decisões. gargalos e expõem lacunas críticas de conformidade antes da produção.
  27. Shift Left não é colocar mais scanners. • Detectar cedo

    ≠ corrigir cedo. • Nem todo CRITICAL representa o maior risco • Contexto de aplicação, exposição e exploitabilidade importa. • O developer precisa de uma decisão, não de mais um relatório
  28. Não entregue a chave de produção para o LLM •

    IA interpreta • Política estabelece limites • CI/CD aplica • Humano trata exceções
  29. • Secure by default • Self-service O caminho seguro precisa

    ser o caminho mais fácil • Guardrails invisíveis Se segurança depende do desenvolvedor lembrar de fazer a coisa certa, ainda não escalamos DevSecOps. Platform → Golden Path → Guardrails → Self-service
  30. Um exemplo simples com AWS/Terraform: <Developer/> precisa criar um AWS

    S3. • Secure by default: O módulo Terraform já cria encryption, ❌block public access e logging. • Self-service: O developer usa o módulo sozinho, sem abrir chamado para Cloud Security. • Guardrails: OPA/Checkov/Policy as Code impede configurações fora dos padrões definidos.
  31. Conclusão O desafio nunca foi encontrar mais vulnerabilidades. O desafio

    é transformar milhares de findings em decisões inteligentes.
  32. Conclusão O desafio nunca foi encontrar mais vulnerabilidades. O desafio

    é transformar milhares de findings em decisões inteligentes.
  33. Conclusão O desafio nunca foi encontrar mais vulnerabilidades. O desafio

    é transformar milhares de findings em decisões inteligentes.

More Decks by Amaury Borges Souza

Other Decks in Technology