Communitygithub.com

construindo-pipeline-devsecops-com-gitlab-ci

Configure um pipeline CI/CD do GitLab que incorpora SAST (Semgrep, SpotBugs, Gosec, Bandit, NodeJsScan), DAST, varredura de contêineres, varredura de dependências e detecção de segredos via GitLab.

O que é construindo-pipeline-devsecops-com-gitlab-ci?

Esta skill capacita desenvolvedores e engenheiros de segurança a construir um pipeline DevSecOps completo utilizando o GitLab CI/CD. Ela descreve como integrar scanners de segurança nativos do GitLab — SAST, DAST, varredura de contêineres, varredura de dependências, detecção de segredos e conformidade de licenças — diretamente no fluxo de CI/CD, permitindo que a segurança seja aplicada de forma contínua e antecipada. A skill fornece um arquivo `.gitlab-ci.yml` de exemplo que cobre desde a construção da imagem Docker até a implantação em staging e produção, com todas as fases de segurança configuradas. Além disso, aborda políticas de aprovação de segurança, configuração personalizada de regras SAST e gerenciamento de vulnerabilidades por meio do relatório consolidado do GitLab. Ela é útil para equipes que precisam atender a requisitos de conformidade, reduzir riscos de segurança e automatizar a detecção de vulnerabilidades sem interromper o fluxo de desenvolvimento. Suporta GitLab Ultimate e é compatível com runners compartilhados ou auto-hospedados, além de ferramentas como Docker-in-Docker e Kaniko para construção de contêineres.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/building-devsecops-pipeline-with-gitlab-ci

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Construindo Pipeline DevSecOps com GitLab CI

Visão Geral

O GitLab fornece uma plataforma DevSecOps integrada que incorpora testes de segurança diretamente no pipeline CI/CD. Ao aproveitar os scanners de segurança embutidos do GitLab — SAST, DAST, varredura de contêineres, varredura de dependências, detecção de segredos e conformidade de licenças — as equipes podem deslocar a segurança para a esquerda, capturando vulnerabilidades durante o desenvolvimento em vez de após a implantação. O GitLab Duo AI auxilia na detecção de falsos positivos para vulnerabilidades SAST, ajudando as equipes de segurança a focar em problemas genuínos.

Quando Usar

  • Ao implantar ou configurar recursos de construção de pipeline DevSecOps com GitLab CI em seu ambiente
  • Ao estabelecer controles de segurança alinhados aos requisitos de conformidade
  • Ao construir ou melhorar a arquitetura de segurança para este domínio
  • Ao realizar avaliações de segurança que exigem esta implementação

Pré-requisitos

  • Licença GitLab Ultimate (necessária para a suíte completa de scanners de segurança)
  • GitLab Runner configurado (compartilhado ou auto-hospedado)
  • Familiaridade com configuração de pipeline .gitlab-ci.yml
  • Docker-in-Docker (DinD) ou Kaniko para builds de contêineres
  • Aplicação implantada em ambiente de staging para varredura DAST

Etapas Principais de Varredura de Segurança

Teste de Segurança Estático de Aplicações (SAST)

O SAST analisa o código-fonte em busca de vulnerabilidades antes da compilação. O GitLab suporta mais de 14 linguagens usando analisadores como Semgrep, SpotBugs, Gosec, Bandit e NodeJsScan. A inclusão mais simples usa os modelos gerenciados do GitLab.

Teste de Segurança Dinâmico de Aplicações (DAST)

O DAST testa aplicações em execução simulando cargas de ataque contra endpoints HTTP. Ele detecta XSS, SQLi, CSRF e outras vulnerabilidades de tempo de execução que a análise estática não consegue encontrar. O DAST requer uma URL de destino implantada e acessível.

Varredura de Contêineres

Usa o Trivy para escanear imagens Docker em busca de CVEs conhecidas em pacotes do sistema operacional e dependências de aplicações. É executada após a etapa de build do Docker para barrar imagens antes que cheguem a um registro.

Varredura de Dependências

Inspeciona manifestos de dependências (package.json, requirements.txt, pom.xml, Gemfile.lock) em busca de versões vulneráveis conhecidas. Opera no nível do código-fonte, complementando a varredura de contêineres.

Detecção de Segredos

Escaneia commits em busca de credenciais, chaves de API, tokens e chaves privadas acidentalmente commitados, usando correspondência de padrões e análise de entropia. É executada em todo commit para evitar que segredos cheguem ao repositório.

Implementação

Configuração Completa do Pipeline

# .gitlab-ci.yml

stages:
  - build
  - test
  - security
  - deploy-staging
  - dast
  - deploy-production

variables:
  DOCKER_IMAGE: $CI_REGISTRY_IMAGE:$CI_COMMIT_SHORT_SHA
  SECURE_LOG_LEVEL: "info"

# Incluir modelos de segurança gerenciados pelo GitLab
include:
  - template: Security/SAST.gitlab-ci.yml
  - template: Security/Secret-Detection.gitlab-ci.yml
  - template: Security/Dependency-Scanning.gitlab-ci.yml
  - template: Security/Container-Scanning.gitlab-ci.yml
  - template: DAST.gitlab-ci.yml
  - template: Security/License-Scanning.gitlab-ci.yml

build:
  stage: build
  image: docker:24.0
  services:
    - docker:24.0-dind
  variables:
    DOCKER_TLS_CERTDIR: "/certs"
  script:
    - docker login -u $CI_REGISTRY_USER -p $CI_REGISTRY_PASSWORD $CI_REGISTRY
    - docker build -t $DOCKER_IMAGE .
    - docker push $DOCKER_IMAGE
  rules:
    - if: $CI_COMMIT_BRANCH

unit-tests:
  stage: test
  image: $DOCKER_IMAGE
  script:
    - npm ci
    - npm run test:coverage
  coverage: '/Lines\s*:\s*(\d+\.?\d*)%/'
  artifacts:
    reports:
      junit: junit-report.xml
      coverage_report:
        coverage_format: cobertura
        path: coverage/cobertura-coverage.xml

# Sobrescrever SAST para executar na etapa de segurança
sast:
  stage: security
  variables:
    SAST_EXCLUDED_PATHS: "spec,test,tests,tmp,node_modules"
    SEARCH_MAX_DEPTH: 10

# Sobrescrever varredura de contêineres
container_scanning:
  stage: security
  variables:
    CS_IMAGE: $DOCKER_IMAGE
    CS_SEVERITY_THRESHOLD: "HIGH"

# Sobrescrever varredura de dependências
dependency_scanning:
  stage: security

# Sobrescrever detecção de segredos
secret_detection:
  stage: security

# Varredura de conformidade de licenças
license_scanning:
  stage: security

deploy-staging:
  stage: deploy-staging
  image: bitnami/kubectl:latest
  script:
    - kubectl set image deployment/app app=$DOCKER_IMAGE -n staging
    - kubectl rollout status deployment/app -n staging --timeout=300s
  environment:
    name: staging
    url: https://staging.example.com
  rules:
    - if: $CI_COMMIT_BRANCH == $CI_DEFAULT_BRANCH

# DAST executa contra o staging implantado
dast:
  stage: dast
  variables:
    DAST_WEBSITE: https://staging.example.com
    DAST_FULL_SCAN_ENABLED: "true"
    DAST_BROWSER_SCAN: "true"
  needs:
    - deploy-staging
  rules:
    - if: $CI_COMMIT_BRANCH == $CI_DEFAULT_BRANCH

deploy-production:
  stage: deploy-production
  image: bitnami/kubectl:latest
  script:
    - kubectl set image deployment/app app=$DOCKER_IMAGE -n production
    - kubectl rollout status deployment/app -n production --timeout=300s
  environment:
    name: production
    url: https://app.example.com
  when: manual
  rules:
    - if: $CI_COMMIT_BRANCH == $CI_DEFAULT_BRANCH

Políticas de Aprovação de Segurança

Configure políticas de execução de varredura para impor verificações de segurança obrigatórias:

  1. Navegue até Segurança e Conformidade > Políticas
  2. Crie uma "Política de Execução de Varredura" exigindo SAST e detecção de segredos em todos os branches
  3. Crie uma "Política de Aprovação de Merge Request" exigindo aprovação da equipe de segurança quando vulnerabilidades críticas forem detectadas

Configuração Personalizada de Regras SAST

Crie .gitlab/sast-ruleset.toml para personalizar o comportamento do analisador:

[semgrep]
  [[semgrep.ruleset]]
    dirs = ["src"]

  [[semgrep.passthrough]]
    type = "url"
    target = "/sgrep-rules/custom-rules.yml"
    value = "https://semgrep.dev/p/owasp-top-ten"

  [[semgrep.passthrough]]
    type = "url"
    target = "/sgrep-rules/java-rules.yml"
    value = "https://semgrep.dev/p/java"

Painel de Segurança e Gerenciamento de Vulnerabilidades

Relatório de Vulnerabilidades

O GitLab consolida todas as descobertas dos scanners em um único Relatório de Vulnerabilidades, acessível em Segurança e Conformidade > Relatório de Vulnerabilidades. Cada vulnerabilidade inclui:

  • Classificação de severidade (Crítico, Alto, Médio, Baixo, Informativo)
  • Fonte do scanner (SAST, DAST, Contêiner, Dependência, Segredo)
  • Localização no código-fonte ou camada de imagem
  • Orientações de remediação e correções sugeridas
  • Acompanhamento de status (Detectado, Confirmado, Descartado, Resolvido)

Widget de Segurança de Merge Request

Todo merge request exibe um widget de varredura de segurança mostrando:

  • Novas vulnerabilidades introduzidas pelo MR
  • Vulnerabilidades corrigidas resolvidas pelo MR
  • Comparação com a linha de base do branch de destino

Otimização do Pipeline

  • Execução paralela: Os scanners de segurança são executados simultaneamente na etapa de segurança
  • Cache: Use cache de CI para downloads de dependências, acelerando a varredura
  • Varredura incremental: O SAST pode escanear apenas arquivos alterados usando SAST_INCREMENTAL: "true"
  • Condições de falha: Defina allow_failure: false em scanners críticos para impor portões de qualidade

Monitoramento e Métricas

MétricaDescriçãoAlvo
Cobertura de segurança do pipelinePercentual de projetos com todos os scanners habilitados> 95%
Tempo médio de resolução (MTTR) de vulnerabilidade críticaTempo entre detecção e resolução de achados críticos< 48 horas
Taxa de falsos positivosPercentual de achados descartados como falso positivo< 15%
Taxa de bloqueio de detecção de segredosPercentual de commits com segredos bloqueados por regras de push> 99%

Referências

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-active-directory-acl-abuse

Detect dangerous ACL misconfigurations in Active Directory using ldap3

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

Habilidades Relacionadas