O que AI-Threat-Modeling-Claude-Skill faz?
Avaliações de segurança em camadas e baseadas em evidências para IA agentica (LLM/RAG/MCP/multiagente) usando MAESTRO v2.0, com propriedade SSRM e opcionais de mapeamento STRIDE/ATLAS/OWASP/NIST.
Visão Geral
Esta skill fornece uma metodologia estruturada e baseada em evidências para modelagem de ameaças de segurança em sistemas de IA agentica. Ela organiza as avaliações em camadas progressivas de profundidade, cada uma com requisitos específicos de coleta de evidências, garantindo que as conclusões sejam fundamentadas em dados observáveis e não em suposições.
Metodologia: MAESTRO v2.0
MAESTRO (Metodologia de Avaliação Estruturada de Ameaças para Sistemas e Riscos Operacionais) v2.0 fornece a estrutura central:
- Camada 1: Varredura de Componentes — Varredura automatizada de vulnerabilidades conhecidas em dependências de LLM, pipelines RAG, servidores MCP e componentes de framework de agentes.
- Camada 2: Análise de Arquitetura — Revisão manual/análise do design da arquitetura do sistema, fluxo de dados, limites de confiança e superfície de ataque.
- Camada 3: Teste Comportamental — Teste dinâmico de interações de agentes, validação de entrada/saída e violações de política de segurança.
- Camada 4: Avaliação de Risco — Análise de risco abrangente em todo o sistema, incluindo análise de impacto nos negócios e estratégias de mitigação.
Cada camada produz evidências que alimentam a próxima, criando uma cadeia de responsabilidade verificável.
Modelo de Responsabilidade de Segurança do Sistema (SSRM)
A skill atribui cada risco identificado a uma parte responsável:
- Provedor: Vulnerabilidades de infraestrutura (nuvem, GPU, rede)
- Plataforma: Vulnerabilidades do framework (LangChain, AutoGen, SDK do modelo)
- Aplicativo: Vulnerabilidades de implementação (prompts, RAG, lógica de agentes)
Isso garante uma responsabilização clara e ações de correção direcionadas.
Mapeamentos Opcionais de Framework
Os resultados podem ser opcionalmente mapeados para frameworks de segurança estabelecidos:
- STRIDE: Spoofing, Adulteração, Repúdio, Vazamento de Informações, Negação de Serviço, Elevação de Privilégio
- ATLAS (MITRE): Matriz de Ameaças Adversariais para Sistemas de IA
- OWASP: Padrão de Verificação de Segurança de Aplicações (ASVS) e Top 10 para LLM
- NIST: Estrutura de Cibersegurança (CSF) e Guia de Gerenciamento de Riscos de IA
Fluxo de Trabalho
- Inicialização: Definir escopo, objetivos e camadas de avaliação.
- Coleta de Evidências: Para cada camada, coletar evidências necessárias (saídas de varredura, diagramas de arquitetura, logs de teste, avaliações de risco).
- Análise: Analisar evidências em relação a ameaças conhecidas e requisitos de segurança.
- Relatório: Gerar relatório estruturado de ameaças com descobertas, atribuições de SSRM e mapeamentos opcionais de framework.
- Remediação: Recomendar ações de correção priorizadas por gravidade e responsabilidade.
Plataformas Suportadas
- Claude Code (recomendado)
- Cursor
- Codex
Uso
# Exemplo: Iniciar modelagem de ameaças para um sistema de agente
ai-threat-model --target ./agent-system --layers all --frameworks stride,atlas
Configuração
Variáveis de ambiente:
AI_THREAT_MODEL_LOG_LEVEL: Nível de log (padrão:info)AI_THREAT_MODEL_OUTPUT_DIR: Diretório de saída (padrão:./threat-models)AI_THREAT_MODEL_SSRM_MODE: Modo SSRM (strict|relaxed, padrão:strict)
Licença
MIT