Voltar
Grow Therapy cria analista de segurança com IA para caça a ameaças na AWS por menos de US$ 500/mês

Grow Therapy Inova com Analista de Segurança de IA para Caça a Ameaças na AWS

Aprofundamento CEVIU

Aprofundamento

A Grow Therapy inova ao implementar um analista de segurança autônomo baseado em IA na AWS. O sistema, que opera com um custo surpreendentemente baixo de menos de US$ 500 mensais, integra fontes de log críticas como Snowflake, CloudTrail e Datadog. Sua arquitetura reutiliza infraestrutura de dados existente, utilizando ECS Fargate e funções Lambda para executar cada “caçada” a ameaças como um contêiner Docker isolado e de curta duração.

O processo de caça é estruturado em cinco fases. A primeira, de coleta de dados, usa o modelo Claude Sonnet por sua velocidade e custo-benefício. As fases seguintes (comparação de linha de base, enriquecimento de contexto, pontuação de confiança e validação adversarial) empregam o Claude Opus, mais avançado, para raciocínio profundo. Esta abordagem multifacetada, especialmente a validação adversarial, simula o raciocínio de um analista humano, com o modelo buscando contraprovas para evitar falsos positivos.

O que mudou

A aplicação da IA para segurança na nuvem, especialmente com modelos como o Claude, mostra uma evolução notável. Em junho de 2026, a cobertura do CEVIU com a matéria "Do Prompt à Infraestrutura Segura: A virada DevSecOps com Claude Code na AWS" detalhou o uso do Claude Code em cenários de DevSecOps para garantir a segurança da infraestrutura como código (IaC). Agora, a Grow Therapy leva a capacidade do Claude para o domínio da operação em tempo real.

O que era a auditoria de configurações antes da implantação se transforma, com a Grow Therapy, em uma caça ativa e autônoma de ameaças no ambiente de produção. O foco mudou da validação de código e infraestrutura para a detecção dinâmica de anomalias e atividades suspeitas em logs operacionais. Este passo demonstra a maturidade dos LLMs para lidar com cenários de segurança mais complexos e reativos, indo além da prevenção para a detecção e resposta.

Por que isso importa

Esta solução da Grow Therapy redefine a forma de fazer caça a ameaças em ambientes de nuvem. Ela prova ser possível democratizar a segurança avançada, tornando-a acessível mesmo para empresas com orçamentos mais limitados. Ao automatizar a triagem e investigação inicial de alertas, o sistema libera os analistas de segurança para focar em casos de maior complexidade, onde a intervenção humana é indispensável.

A capacidade de operar com baixo custo e a arquitetura modular da Grow Therapy servem como um modelo replicável para outras organizações. Isso acelera a adoção de práticas de segurança proativas e baseadas em IA, estabelecendo um novo padrão para a eficiência na proteção de dados e sistemas na nuvem.

Linha do tempo

  1. CEVIU News detalha o uso de Claude Code na AWS para DevSecOps e segurança de IaC.

  2. Sophos divulga uso de IA multicamada para detecção de infostealers em eventos de SOC.

  3. Cloudflare compartilha como construiu um harness de vulnerabilidades com IA para patching automatizado.

  4. CEVIU News cobre a evolução do Amazon GuardDuty para uma plataforma robusta de detecção de ameaças.

  5. Praetorian lança Knossos, motor de decepção para AWS, aprimorando a defesa cibernética.

  6. Oracle apresenta fluxo de trabalho FinOps para gerenciamento de custos AWS com Log Analytics.

  7. Grow Therapy inova com analista de segurança de IA autônomo para caça a ameaças na AWS.

Perguntas frequentes

Como a Grow Therapy conseguiu manter os custos tão baixos para uma solução de caça a ameaças com IA?

A estratégia incluiu reutilizar a infraestrutura de dados existente, como Snowflake e Datadog, que a empresa já utilizava. Além disso, a Grow Therapy emprega o ECS Fargate para tarefas efêmeras e mais baratas, e otimiza o uso da IA, utilizando o modelo Claude Sonnet (mais rápido e econômico) para coleta de dados e apenas o Claude Opus (mais potente) para o raciocínio complexo.

Qual o papel dos modelos de IA, Sonnet e Opus, no processo de detecção de ameaças?

O Claude Sonnet é usado na fase inicial de coleta de dados, fazendo até 100 chamadas a ferramentas para reunir informações de logs. O Claude Opus, por sua vez, é acionado nas fases de análise mais complexas: comparação de linha de base, enriquecimento de contexto, pontuação de confiança e, crucialmente, na validação adversarial. Essa divisão otimiza tanto o custo quanto a profundidade da análise.

O que significa 'validação adversarial' no contexto dessa ferramenta de segurança?

Na fase de validação adversarial, o modelo de IA é explicitamente instruído a "argumentar contra si mesmo". Ele busca ativamente evidências contrárias para refutar suas próprias descobertas, como verificar se um padrão de ameaça já foi um falso positivo histórico ou se há uma razão legítima para o comportamento suspeito. Isso reduz drasticamente a taxa de falsos positivos.

Como o sistema lida com falsos positivos e os utiliza para aprimorar a detecção futura?

A Grow Therapy implementou um ciclo de feedback robusto. Quando um analista marca um alerta como falso positivo, essa informação é registrada no Snowflake. Antes de cada nova caçada, o sistema consulta esses dados. Descobertas com alta taxa de falsos positivos (>80% e 3+ ocorrências) são injetadas no prompt do modelo como FPs conhecidos, ensinando a IA a ignorá-los no futuro.

Fontes

Avalie este artigo:
Categoria
CEVIU Segurança da Informação
Publicado
31 de agosto de 2026
Editoria
CEVIU Segurança da Informação

Quer receber mais sobre CEVIU Segurança da Informação?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser