CEVIU Logo
Voltar
A diagram illustrating the multi-layer pipeline

Sophos usa IA multicamada para detectar infostealers em meio a 11,8 trilhões de eventos

Aprofundamento CEVIU

Aprofundamento

A Sophos não está só automatizando triagem: está redesenhando a governança de alertas em SOCs de grande escala. O pipeline multicamada descrito na NorthSec 2026, com detecção por regra, modelos supervisionados (LSTM para DGA, regressão logística para comandos), deduplicação baseada em entidades e priorização via Gradient Boosted Trees, é uma resposta direta à falha estrutural de arquiteturas anteriores: processar telemetria como um fluxo bruto, sem camadas de abstração operacional. Isso se alinha ao que vimos na Coinbase, onde a conformidade foi reconstruída 'nativa em IA' para romper limites de memória de trabalho e filas de análise. Aqui, o limite não é humano, mas de capacidade de correlação, e a solução não é mais ML aplicado a dados, mas ML orquestrado como processo decisório.

O Taegis XDR, que ingere 800 bilhões de eventos por dia, funciona como a infraestrutura de dados da nova arquitetura. Mas seu valor real só emerge quando integrado a uma lógica de redução progressiva: de 11,8 trilhões de eventos para 81.573 alertas críticos, com menos de 50 por cliente. Esse número não é apenas uma métrica de eficiência, é um indicador de custo operacional. Cada alerta remanescente representa horas de análise humana, licenças de ferramentas de investigação e risco de compliance. A redução de 99,999% no volume de alertas passíveis de triagem manual impacta diretamente o TCO de segurança, especialmente em ambientes regulados onde cada alerta investigado exige documentação auditável.

O que mudou

Em abril de 2026, a Cloudflare liberou inteligência de ameaças baseada em domínios gratuitamente e expandiu sua detecção do lado do cliente. A Sophos agora vai além: não apenas libera modelos, mas opera uma cadeia fechada de detecção-priorização-supressão em produção, com dados reais de clientes. O que era conceito em apresentações anteriores (como o Project Glasswing da Anthropic, que detectava vulnerabilidades em código) agora é operacional em tempo real contra infostealers, com 1,8 milhão de alertas usados para treinar o modelo de priorização. Também há evolução prática na plataforma: após a aquisição da Secureworks em fevereiro de 2025 e a integração do Sophos Endpoint ao Taegis em setembro de 2025, essa pipeline é a primeira demonstração pública de como os dados de endpoint, identidade e nuvem são tratados como uma única superfície de decisão, não como fontes isoladas.

Por que isso importa

Infostealers são o gateway para 90% das violações de identidade, segundo estudo da IDSA de 2024. Eles custam menos de 50 dólares por mês para operar, mas geram perdas médias de US$ 4,35 milhões por incidente (Relatório IBM Cost of a Data Breach 2025). Um SOC que recebe milhões de alertas diários não pode priorizar esses ataques com regras estáticas ou dashboards genéricos. A solução da Sophos mostra que a adoção inteligente de IA em nuvem não é sobre substituir analistas, mas sobre redefinir o ponto de contato entre humano e máquina: o analista agora começa a investigação em um contexto de menos de 50 alertas por cliente, com histórico temporal enriquecido por sinais de baixa severidade, o mesmo padrão de colaboração entre agentes humanos e IA que a Grab adotou para investigação de dados e a Meta para correção de regressões de performance.

Linha do tempo

  1. Cloudflare disponibiliza detecção inteligente do lado do cliente e inteligência de ameaças gratuita

  2. OCSF se consolida como padrão de normalização de dados de segurança

  3. Anthropic lança Project Glasswing com detecção de vulnerabilidades em código usando Claude Mythos

  4. Sophos apresenta pipeline multicamada de IA para detecção de infostealers em 11,8 trilhões de eventos do Taegis XDR

Perguntas frequentes

Como esse pipeline se diferencia de um SIEM tradicional com regras?

Um SIEM tradicional aplica regras em eventos brutos e gera alertas independentes. O pipeline da Sophos opera em camadas: primeiro filtra por IOC e comportamento, depois agrupa eventos por entidade (usuário/máquina), suprime falsos positivos com base em contexto organizacional e, por fim, prioriza os restantes com um modelo treinado em decisões reais de analistas. É uma arquitetura de decisão, não de coleta.

Por que usar LSTM para DGA e regressão logística para comandos?

LSTM é ideal para sequências como URLs, capturando padrões temporais em domínios gerados. Já comandos de linha de comando têm poucas dimensões relevantes (argumentos, permissões, comandos específicos), tornando regressão logística mais interpretável, rápida e precisa para esse tipo de classificação binária, sem overengineering.

Esse sistema depende do Taegis XDR ou pode ser implantado em outras plataformas?

A pipeline foi construída sobre a telemetria unificada do Taegis, que já normaliza dados de endpoint, rede e nuvem. Mas o padrão OCSF, consolidado desde abril de 2026, permite exportar essa lógica para outras plataformas. A Sophos não anunciou versão open-source, mas a estrutura modular (detectors → dedup → suppress → prioritize) é replicável com ferramentas compatíveis com OCSF.

Qual é o risco de false negatives nessa abordagem?

O modelo de priorização foi ajustado para manter uma taxa de false negatives aceitável, pois um ataque costuma gerar múltiplos alertas. A chave é que os alertas de média/baixa severidade não são descartados, ficam disponíveis como contexto temporal. Se um alerta crítico for perdido, os sinais secundários ainda permitem reconstrução da cadeia de ataque.

Fontes

Avalie este artigo:
Compartilhar:
Categoria
CEVIU TI
Publicado
18 de junho de 2026
Editoria
CEVIU TI

Quer receber mais sobre CEVIU TI?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser