Abertura rápida do alvo
Quando o objetivo é entender stack, rotas, segredos expostos e problemas repetíveis em poucas horas.
Explorer operacional
Selecione ferramentas por etapa do pentest, tipo de risco e profundidade de uso. Cada entrada resume quando usar, o que ela cobre e quais cuidados considerar.
Quando o objetivo é entender stack, rotas, segredos expostos e problemas repetíveis em poucas horas.
Fase para confirmar se os achados sobrevivem no runtime e atingem sessão, autorização e logica de negocio.
Combina probes repetíveis com campanhas orquestradas para prompt injection, jailbreak e vazamento de dados de modelos.
Trilha voltada para tools, permissão, side effects e risco de cadeia de suprimentos em sistemas agênticos.
Cobre containers, imagens, pipelines de CI/CD e infraestrutura como código gerada ou gerenciada por IA.
15 ferramenta(s) exibida(s)
SAST rápido e customizável
É a melhor porta de entrada para achar injeção, autenticação mal feita e defaults inseguros repetidos em código gerado por IA.
Força: Entra cedo na triagem e ajuda a transformar hipóteses em fila inicial de revisao.
Atenção: Não substitui leitura manual de autenticação, autorização contextual e cadeias de negocio.
Segredos em código e histórico git
Projetos vibe-coded frequentemente vazam credenciais de teste, chaves de API e tokens em commits antigos que ninguém revisou.
Força: Excelente para cortar vazamentos óbvios antes que eles virem incidente real.
Atenção: Combine com revisão de variáveis em CI, prompts salvos e ambientes de staging.
Teste manual de fluxos web e API
Continua sendo o centro operacional para validar auth bypass, IDOR, business logic e cadeias de ataque em apps com fluxos improvisados por prompt.
Força: Onde a explorabilidade real aparece com clareza, especialmente quando o codigo foi gerado sem revisao de logica de autorizacao.
Atenção: Precisa de roteiro de casos e cobertura de estados alternativos para nao virar navegacao superficial.
Cobertura rápida por templates
Ajuda a abrir o ataque com velocidade e encontrar exposições óbvias antes do trabalho manual fino em apps e APIs gerados por IA.
Força: Bom para primeira varredura de superfície e higiene basica do alvo.
Atenção: Resultados precisam de confirmação para separar ruído de exploração real.
Red teaming de LLMs
Entrega probes repetíveis para prompt injection, jailbreak e vazamento de dados em componentes de IA integrados ao produto.
Força: Cria repetibilidade onde times costumam depender de testes artesanais demais.
Atenção: Vale complementar com cenários de negócio e ataques adaptados ao produto específico.
Suites de avaliação e regressão de segurança
É bom para transformar achados em teste continuo, especialmente quando o produto mistura aplicação e agente de IA.
Força: Ajuda a consolidar cenarios em suites versionadas e comparaveis entre deploys.
Atenção: O valor cresce quando os casos são ligados a fluxos reais, nao só prompts isolados.
Auditoria de servidores MCP
Ferramentas de agente mal descritas ou permissivas demais viraram uma nova camada de supply chain risk em sistemas agênticos.
Força: Foca exatamente na zona que costuma passar sem dono entre produto, infraestrutura e IA.
Atenção: Ainda precisa ser combinado com revisão de escopo, autenticação e side effects das tools.
Crawling de SPAs e apps modernos
Ajuda a descobrir endpoints e fluxos escondidos em apps React e Next.js que o usuário final nunca ve diretamente.
Força: Muito útil para abrir rapidamente o mapa de rotas de apps modernos gerados por IA.
Atenção: Os melhores resultados aparecem quando você cruza com manifests, bundles e chamadas XHR.
SCA, container e IaC
Boa cobertura para stacks de deploy rápido onde o problema não está só no app, mas no pacote, na imagem e na infraestrutura.
Força: Fecha o gap de plataforma que muita auditoria de portal esquece cedo demais.
Atenção: Precisa de critério para priorizar CVEs e separar pacote irrelevante de componente critico.
Orquestração assistida de fluxo ofensivo
Aparece nos guias como exemplo de uso de IA para acelerar raciocínio de pentest e consolidar próximos passos ao longo da operacao.
Força: Bom como copiloto de operacao quando o analista ja controla escopo e criterio.
Atenção: Não deve virar fonte única de decisao nem substituir validação humana dos achados.
Red teaming estruturado de sistemas de IA generativa
Framework da Microsoft para identificar riscos em sistemas de IA: cobre prompt injection, jailbreak, exfiltração e comportamentos impróprios com abordagem sistemática e reproduzível.
Força: Permite construir campanhas de ataque com orquestração automática, memória de conversa e scoring de resultados - vai além de testes manuais artesanais.
Atenção: A configuração inicial exige entender os conceitos de target, orchestrator e scorer. Comece pelos notebooks de exemplo antes de adaptar ao seu alvo.
Scanner de APIs e endpoints com templates para código gerado por IA
Detecta vulnerabilidades comuns em APIs geradas por IA: autenticação fraca, endpoints expostos sem rate limiting, injeção e configurações inseguras de LLM integrado.
Força: Templates específicos para padrões de código produzido por assistentes de IA reduzem o esforço de configuracao e melhoram a taxa de detecção inicial.
Atenção: Como qualquer scanner automatizado, requer validação manual dos achados. Combine com revisão de logica de negocio para nao deixar vulnerabilidades contextuais passarem.
Detecção de vazamento de dados em outputs de LLMs e APIs
Sistemas de IA frequentemente expõem dados sensíveis - credenciais, PII, contexto de sistema - em respostas geradas. O Basileak identifica padrões de vazamento em outputs de modelos em tempo real.
Força: Combina análise de padrões com detecção semântica para identificar dados sensíveis que scanners baseados apenas em regex deixam passar.
Atenção: Calibre os thresholds para o contexto do produto. Sensibilidade alta gera ruído; muito permissiva deixa passar dados relevantes.
Laboratório de treinamento para ataques a agentes de LLM
Ambiente deliberadamente vulnerável para aprender e praticar ataques reais contra sistemas agênticos: prompt injection indireta, abuso de tools, exfiltração via RAG e escalação de privilégios.
Força: Contexto seguro e isolado para desenvolver técnicas de ataque antes de aplicá-las em ambientes reais. Cada vulnerabilidade vem documentada com vetor e impacto esperado.
Atenção: Use apenas em ambientes isolados e controlados. As vulnerabilidades sao intencionais e o ambiente não deve ser exposto à rede sem controles adicionais.
Análise estática de IaC: Terraform, K8s, Dockerfile
Projetos vibe-coded geram infraestrutura via prompts, e a IA comete erros clássicos: buckets públicos, IAM permissivo, portas expostas. Checkov pega esses problemas antes do deploy.
Força: Cobertura ampla de providers (AWS, GCP, Azure, K8s) com mais de 1000 checks prontos e suporte a politicas customizadas em Python.
Atenção: Muitos falsos positivos em projetos novos. Configure um baseline para suprimir achados conhecidos e aceitos, senão o ruído apaga o sinal.