Computação elástica para treino e simulação adversarial

Ninguém defende bem o que nunca enfrentou

Existe uma diferença difícil de disfarçar entre equipas de segurança: as que já viveram o cenário várias vezes e as que conhecem o cenário apenas no papel. Na primeira, a reação é coreografada — cada pessoa sabe o seu papel, o que observar e quando escalar. Na segunda, a reação é improviso, e improviso sob pressão custa caro. A ponte entre os dois estados não é motivação nem treino teórico: é repetição, e repetição consome computação.

Simular um ambiente realista não é realizar um exercício de mesa. É levantar uma cópia funcional de uma rede, com os seus serviços, as suas identidades, o seu tráfego e os seus dados sintéticos, e deixar que um adversário ataque essa cópia enquanto um defensor tenta impedi-lo. Multiplicar isto por dezenas de cenários simultâneos, cada um com o seu estado próprio, é um problema de capacidade computacional antes de ser um problema pedagógico.

A procura também não é constante. Há semanas de exercício intenso, em que dezenas de ambientes precisam de existir ao mesmo tempo, e meses de rotina, em que alguns poucos bastam. Comprar para o pico significa desperdício na maior parte do ano; comprar para a média significa não conseguir realizar o exercício quando ele importa. A resposta para este perfil é a elasticidade.

Vale a pena insistir neste ponto porque ele costuma ser mal compreendido. A elasticidade não é apenas uma decisão de custo; é uma decisão de doutrina. Uma instituição que só consegue treinar dentro dos limites do hardware que possui acaba por moldar os seus exercícios ao que é barato simular, e não ao que é necessário enfrentar. O cenário mais difícil — o que combina múltiplos vetores, exige coordenação entre equipas e se estende por dias — é justamente o que mais consome recursos e, por isso, o primeiro a ser cortado quando a capacidade é fixa. A elasticidade existe para que a ambição do exercício seja ditada pela pergunta que se quer responder, não pelo teto do parque instalado.

O laboratório por trás da defesa adaptativa

O centro de um programa de treino maduro é um conjunto de ambientes isolados e reproduzíveis. Cada um representa um alvo: uma rede industrial, um datacenter institucional, uma operadora de telecomunicações, um ambiente corporativo com os seus utilizadores e permissões. Nada ali é real no sentido de produção — e é exatamente por isso que se pode errar ali. Um ataque que derruba o serviço simulado ensina sem causar dano; uma defesa que falha gera relatório, não evento crítico.

Sobre estes ambientes correm dois tipos de exercício. Nos de equipa azul, a pergunta é quanto tempo a defesa leva a perceber, conter e recuperar, e com que qualidade documenta o que fez. Nos de equipa vermelha, a pergunta é o que um adversário motivado consegue alcançar contra aquela configuração, com que esforço e deixando que rastos. Os dois lados alimentam o mesmo acervo de lições, e é esse acervo que transforma um exercício em melhoria concreta.

A isto soma-se o treino de agentes de IA. Um agente de decisão aprende por tentativa e erro em milhares de episódios, e cada episódio é uma simulação completa com estado, ações e consequências. O volume necessário para que o comportamento amadureça é alto, e o custo de correr tudo em série seria proibitivo. Ambientes paralelos, cada um com a sua cópia do mundo, transformam meses de aprendizagem em dias de campanha.

Há ainda uma dimensão que distingue este tipo de laboratório de um simples conjunto de máquinas: a orquestração. Levantar dezenas de ambientes isolados, alimentá-los com dados sintéticos coerentes, conectá-los apenas quando o cenário exige interação entre eles e desmontá-los no fim sem deixar resíduo é um problema de engenharia tanto quanto de capacidade. O que se procura é um ciclo de vida previsível para cada cenário — nasce, executa, recolhe evidências, desaparece — de modo que a equipa se concentre na pergunta de segurança e não na mecânica de subir e derrubar ambientes. É esta automação silenciosa que torna a repetição sustentável ao longo do ano, e não apenas num evento isolado.

Elasticidade sem perder o determinismo

Há uma tensão real em qualquer laboratório deste tipo: quanto mais elástico o ambiente, mais difícil garantir que duas execuções do mesmo cenário produzam o mesmo resultado. Sem esta garantia, a comparação perde sentido — não se sabe se a defesa melhorou ou se apenas o cenário mudou por acaso.

A disciplina que resolve isto é conhecida: versões fixadas de cada componente do ambiente, sementes de aleatoriedade registadas junto ao cenário, configuração inicial idêntica e histórico de tudo o que foi alterado entre duas campanhas. Quando o exercício termina, existe um identificador do cenário exato que foi executado, e ele pode ser levantado novamente meses depois para confirmar uma conclusão ou testar uma hipótese nova nas mesmas condições.

Esta reprodutibilidade também protege a operação real. Um exercício de treino jamais compete por recursos com a plataforma que serve a instituição: as prioridades são declaradas, a fila é explícita e o ambiente de produção permanece intocado, com a sua própria capacidade reservada. Quando um exercício termina, os recursos regressam ao conjunto comum em minutos, prontos para a próxima campanha.

Quem treina mais, defende melhor

O valor de um laboratório deste tipo aparece na conta de quem o opera: número de cenários distintos executados no ano, tempo médio de contenção da equipa azul antes e depois do treino, quantidade de episódios de agente concluídos por campanha, diversidade de configurações testadas. São indicadores simples, mas revelam uma curva de maturidade que nenhuma apresentação substitui.

O mesmo laboratório serve missões civis. Um operador de energia ensaia a recuperação de uma subestação comprometida; uma prestadora de saneamento testa a resposta a um evento crítico que afeta telemetria; um banco verifica como se comporta diante de um ataque que combina fraude e indisponibilidade. A capacidade construída para a defesa nacional encontra, na infraestrutura crítica, um segundo emprego legítimo e imediato.

Um ponto pouco comentado: o exercício adversarial também produz inventário. Cada cenário executado gera lista de componentes, dependências e suposições que a instituição mantém sobre o próprio ambiente. Este inventário, comparado ao ambiente real, revela divergências antes que um adversário o faça — e transforma o laboratório em instrumento de gestão, não apenas de treino.

Treinar é caro quando é esporádico e barato quando é rotina. A computação elástica existe para tornar essa rotina possível: crescer no dia do exercício, recolher-se no dia seguinte e manter, em qualquer um deles, a mesma seriedade de medida.