Arquitetura SASE: entenda o conceito que está revolucionando a segurança na nuvem

Quando pensamos em ransomware, ainda é comum imaginar um hacker trabalhando sozinho, desenvolvendo um malware e procurando uma empresa vulnerável para atacar. Porém, essa imagem está cada vez mais distante da realidade. Hoje, muitas operações de ransomware fazem parte de um ecossistema estruturado, com desenvolvedores, operadores, afiliados, fornecedores de acesso, infraestrutura própria e modelos de divisão de receita. A Fortinet descreve essa evolução como uma industrialização do cibercrime , marcada por especialização de funções, automação e estruturas capazes de transformar acessos comprometidos em lucro de forma cada vez mais eficiente. Um dos principais responsáveis por essa transformação é o Ransomware-as-a-Service (RaaS) . Mais do que uma nova maneira de distribuir malware, o RaaS criou um modelo no qual diferentes criminosos podem participar de partes específicas de uma operação sem precisar dominar todo o processo de ataque.

A discussão recente sobre inteligência artificial e cibersegurança esteve concentrada por muito tempo em uma pergunta: a IA será capaz de realizar um ataque cibernético? O episódio envolvendo a OpenAI e a Hugging Face mostra que essa pergunta já não é suficiente. Em julho de 2026, a OpenAI informou que agentes de inteligência artificial utilizados em uma avaliação interna conseguiram explorar vulnerabilidades, sair de um ambiente de testes isolado, obter acesso à internet e comprometer parte da infraestrutura da Hugging Face. A própria empresa classificou o caso como um incidente cibernético sem precedentes. A própria OpenAI classificou o episódio como um  incidente cibernético sem precedentes , expressão que também ganhou destaque na cobertura da UOL/AFP sobre o caso. O caso não significa que uma IA tenha desenvolvido consciência, intenção própria ou vontade de atacar uma organização. Os agentes estavam orientados a alcançar um objetivo definido durante um teste de capacidade cibernética. O problema é que, para cumprir essa tarefa, encontraram caminhos que ultrapassaram os limites esperados pelos pesquisadores. Essa diferença é importante. O risco não está em uma máquina “decidir se rebelar”, como algumas interpretações sugerem. Está na capacidade de sistemas autônomos encontrarem meios inesperados para atingir uma meta, especialmente quando possuem acesso a ferramentas, credenciais, ambientes corporativos e recursos computacionais. Para as empresas, o incidente deixa dois alertas. O primeiro está relacionado ao avanço do pentest com inteligência artificial. O segundo envolve a governança dos agentes de IA que já começam a fazer parte das operações corporativas. O episódio também ganhou repercussão internacional por mostrar que capacidades antes observadas principalmente em avaliações controladas já podem produzir consequências em infraestruturas reais. A cobertura da BBC News Brasil sobre o incidente ajuda a contextualizar por que o caso ampliou o debate sobre autonomia, limites operacionais e governança de agentes de IA.

Durante muito tempo, a gestão de vulnerabilidades seguiu uma lógica relativamente simples: identificar falhas, classificá-las por criticidade e iniciar a correção a partir das mais graves. Essa abordagem ainda tem valor, mas já não responde sozinha à complexidade do cenário atual. Hoje, as empresas lidam com ambientes cada vez mais distribuídos, ativos em nuvem, sistemas legados, aplicações de terceiros, APIs, bibliotecas open sourc e e uma superfície de ataque em constante expansão. Em paralelo, atacantes passaram a explorar falhas com mais velocidade, enquanto as equipes de segurança precisam lidar com volumes cada vez maiores de alertas, correções e decisões. Esse cenário torna a gestão de vulnerabilidades menos linear. A criticidade continua sendo um indicador importante, mas não deve ser o único critério para definir prioridade. Em muitos casos, uma vulnerabilidade considerada média pode representar mais risco para o negócio do que uma falha crítica, dependendo de onde ela está, do ativo afetado e da possibilidade real de exploração.

Seja na automação de tarefas, na análise de dados, no desenvolvimento de software ou no atendimento ao cliente, a adoção das ferramentas que utilizam inteligência artificial generativa cresce em um ritmo que poucas tecnologias conseguiram alcançar. O problema é que a velocidade da adoção nem sempre vem acompanhada da mesma maturidade em segurança. Enquanto as organizações buscam ganhos de produtividade e eficiência, novas preocupações surgem. Informações confidenciais sendo inseridas em ferramentas públicas, falta de visibilidade sobre o uso da tecnologia, vulnerabilidades em aplicações baseadas em IA e desafios de governança são apenas alguns exemplos. Durante o webinar "Cibersegurança aplicada à adoção de IA pelas empresas", realizado pela Contacta em parceria com a Check Point, foi apresentado um modelo que ajuda a entender onde estão os principais riscos e como criar uma estratégia de proteção mais abrangente.  A proposta é simples: segurança em IA não deve ser tratada como um único controle ou ferramenta. Ela precisa acompanhar toda a jornada da inteligência artificial dentro da organização.

A inteligência artificial deixou de ser um tema restrito à inovação ou a projetos experimentais. Hoje, ela já está presente na rotina de muitas empresas, apoiando atividades como análise de dados, automação de processos, produtividade, atendimento e segurança. Na prática, isso significa que a IA deixou de ser apenas uma ferramenta de apoio e passou a influenciar decisões operacionais e estratégicas. Em áreas de segurança, por exemplo, ela já é utilizada para correlacionar eventos, identificar comportamentos anômalos, acelerar triagens e ajudar equipes a priorizarem riscos. Esse avanço traz ganhos importantes de escala e velocidade. Mas, ao mesmo tempo, amplia uma discussão que se tornou cada vez mais relevante para áreas de TI, segurança e governança: até que ponto decisões críticas podem ser automatizadas sem supervisão humana? À medida que a IA passa a atuar em processos mais sensíveis, a questão deixa de ser apenas adoção. Ela passa a envolver controle, contexto e responsabilidade. É nesse cenário que o conceito de Human in the Loop (HITL) ganha relevância.

Você tem firewall . Tem antivírus. Tem SIEM . Sente que sua empresa está protegida, mas essa sensação pode ser exatamente o maior risco que você corre hoje. Existe um protocolo que opera silenciosamente em 100% dos dispositivos da sua rede, que raramente é inspecionado em profundidade pelas soluções de segurança convencionais, e que está sendo explorado ativamente por atacantes para roubar dados, instalar malware e estabelecer canais de controle remoto. Esse protocolo é o DNS (Domain Name System) . Neste artigo, vamos mostrar por que o DNS se tornou o novo campo de batalha da cibersegurança, quais ameaças ele esconde e o que os dados reais de empresas brasileiras revelam sobre esse problema.

O aumento gradual da superfície de ataque, impulsionado pela adoção de cloud , APIs e ambientes híbridos, mudou a forma como as organizações precisam lidar com segurança. Não basta mais reagir a incidentes: é necessário antecipar movimentos de adversários e entender como eles operam. É nesse contexto que a Threat Intelligence ganha relevância. Mais do que coletar dados sobre ataques, trata-se de transformar informações em decisões estratégicas e operacionais. Empresas que adotam essa abordagem conseguem reduzir o tempo de resposta, priorizar melhor seus investimentos e evitar impactos significativos no negócio. Segundo a Recorded Future , o uso de Threat Intelligence permite “identificar, contextualizar e antecipar ameaças antes que elas impactem a organização”, tornando a segurança mais orientada por dados reais de ataque.

As APIs deixaram de ser meros conectores entre sistemas para se tornarem componentes centrais das operações digitais modernas . Elas permitem que aplicações, serviços em nuvem e microserviços funcionem de forma integrada, sustentando desde transações financeiras até plataformas de consumo de dados em larga escala. Com essa importância, surge também um novo nível de exposição: falhas silenciosas ou ataques direcionados podem comprometer sistemas inteiros se não houver monitoramento adequado. A observabilidade em APIs surge como uma estratégia essencial para evitar falhas operacionais e reduzir riscos de segurança . Diferente do monitoramento tradicional, que se limita a acompanhar métricas pré-definidas, a observabilidade busca entender o estado interno do sistema a partir dos dados que ele gera, permitindo diagnósticos mais precisos e respostas mais rápidas.

A computação em nuvem deixou de ser apenas uma escolha tecnológica para se tornar a base operacional de muitas organizações. Aplicações críticas, bases de dados sensíveis e processos estratégicos hoje dependem de ambientes IaaS, PaaS e SaaS altamente distribuídos. Esse movimento ampliou a agilidade dos negócios, mas também expandiu significativamente a superfície de ataque. Em paralelo, relatórios recentes de grandes players como a Crowdstrike mostram que adversários estão cada vez mais focados em explorar ambientes cloud, especialmente por meio de credenciais comprometidas e falhas de configuração. Diante desse cenário, maturidade em Cloud Security passa a ser um tema estratégico. Não se trata apenas de possuir ferramentas de segurança, mas de entender o nível real de preparo da organização para prevenir, detectar e responder a ameaças em um ambiente dinâmico e descentralizado.