/aegisops-ai — Orquestrador de Governança Autônoma

AegisOps-AI é descrito por seu upstream como um pipeline de governança que integra raciocínio avançado de IA diretamente no SDLC. Ele atua como um guardião inteligente para segurança em nível de sistema, custos de infraestrutura em nuvem, e conformidade do Kubernetes.

Objetivo

Automatizar auditorias de segurança e financeiras de alto risco por meio de:

1. Identificação de vulnerabilidades baseadas em lógica (UAF, Estado Obsoleto) em patches do Kernel Linux.
2. Detecção de desvios massivos de custos de "Desastre Silencioso" em planos do Terraform.
3. Tradução de intenções de segurança em linguagem natural para manifestos K8s endurecidos.

Quando Usar

• Revisão de Patch do Kernel: Auditoria de diffs Git brutos baseados em C para segurança de memória.
• Auditoria Pré-Aplicação de IaC: Análise de saídas terraform plan para prevenir picos de faturas.
• Endurecimento de Cluster: Geração de securityContexts de "Privilégio Mínimo" para implantações.
• Controle de Qualidade em CI/CD: Bloqueio de merges não conformes via GitHub Actions.

Quando Não Usar

• Lógica de Aplicativo Web: Não use para vulnerabilidades web padrão (XSS, SQLi); use scanners SAST dedicados.
• Análise de Memória Não-C: O analisador de patches é otimizado para lógica C; evite usá-lo para linguagens de alto nível como Python ou JS.
• Mutação Direta de Recursos: Este é um auditor, não uma ferramenta de implantação. Ele não executa terraform apply ou kubectl apply.
• Análise Pós-Mortem: Para analisar por que uma sessão de IA anterior falhou, use /analyze-project em vez disso.

🤖 Integração de IA Generativa

AegisOps-AI utiliza o Google GenAI SDK para implementar um "Caminho de Raciocínio" para auditorias autônomas de segurança e financeiras:

• Análise Neural de Patches: Realiza revisões semânticas de código de patches do Kernel Linux, indo além da simples correspondência de padrões para entender a lógica complexa do estado da memória.
• Síntese Inteligente de Custos: Processa diffs brutos de planos Terraform através de um modelo de raciocínio financeiro para detectar escalonamentos de recursos de alto risco e desvios fiscais "silenciosos".
• Mapeamento de Políticas em Linguagem Natural: Traduz intenções de segurança humanas em configurações de securityContext do Kubernetes sintaticamente corretas e endurecidas.

🧭 Módulos Principais

1. 🐧 Revisador de Patches do Kernel (patch_analyzer.py)

• Problema: A revisão manual da segurança de memória do Kernel Linux consome tempo e está sujeita a erros humanos.
• Solução: Um modelo configurado propõe descobertas em diffs Git brutos; verifique cada gatilho e consequência alcançáveis através de revisão de código e testes apropriados. Nenhuma garantia de latência ou detecção é feita.
• Saída Principal: analysis_results.json

2. 💰 Auditor de FinOps e Nuvem (cost_auditor.py)

• Problema: Mudanças em Infraestrutura como Código (IaC) podem levar a "Desastres Silenciosos" acidentais e picos massivos nas faturas de nuvem.
• Solução: Analisa a saída terraform plan para identificar anomalias de custo — como atualizações acidentais de t3.micro para instâncias de GPU de alto desempenho.
• Saída Principal: infrastructure_audit_report.json

3. ☸️ Endurecedor de Políticas K8s (k8s_policy_generator.py)

• Problema: Implementar contextos de segurança de "Privilégio Mínimo" no Kubernetes é complexo e frequentemente negligenciado.
• Solução: Traduz requisitos de segurança em linguagem natural em manifestos YAML candidatos que exigem validação de esquema, política e aplicação (FS raiz somente leitura, aplicação sem root, etc.).
• Saída Principal: hardened_deployment.yaml

🛠️ Configuração e Ambiente

AAS agrupa apenas este guia: patch_analyzer.py, cost_auditor.py, k8s_policy_generator.py, main.py e seus relatórios são componentes upstream, não arquivos locais agrupados. Verifique o repositório upstream, uma revisão fixa, licença, dependências, disponibilidade do modelo e ponto de entrada real antes de usar a ferramenta. Trate as descobertas do provedor como consultivas, não como uma autoridade automática de merge de CI.

Obtenha autorização para chamadas de modelo pagas e transmissão de patches privados, planos ou configuração de cluster. Redija segredos e identificadores pessoais/de conta; não assuma que o armazenamento .env é automaticamente seguro.

1. Clone o Repositório

git clone https://github.com/Champbreed/AegisOps-AI.git
cd AegisOps-AI

2. Configuração

python3 -m venv venv
source venv/bin/activate
pip install google-genai python-dotenv

3. Configuração da API

…