Ir para o conteúdo principal
ArchPrompts
Voltar ao blog
Caderno técnico / Nota de campo

Radar Tech: SSRF na ferramentaria de IA do Google acende alerta para arquitetos

Vulnerabilidade de Server-Side Request Forgery em tooling oficial de IA mostra por que um agente que busca URLs pede uma decisão de arquitetura de segurança (ADR) — e não um filtro solto.

João Gabriel
3 min de leitura
Radar Tech: SSRF na ferramentaria de IA do Google acende alerta para arquitetos
AP / Prancha visual 01
Leitura principal

Radar Tech: SSRF na ferramentaria de IA do Google acende alerta para arquitetos

Subtítulo: Vulnerabilidade de Server-Side Request Forgery em tooling oficial de IA mostra por que agente que busca URLs pede decisão de arquitetura de segurança — e não um filtro solto.

Nas últimas 24h, um relato ganhou força na comunidade de segurança: uma vulnerabilidade de SSRF (Server-Side Request Forgery) foi reportada em ferramentaria oficial de IA do Google. O detalhe que chama a atenção não é só a exposição em si, mas o vetor: a falha vive na camada em que um agente de IA recebe ou fabrica uma URL e faz o servidor buscá-la. No fim, é exatamente o tipo de superfície que a maioria dos pipelines de agentes está construindo agora, em muitos casos sem uma decisão explícita de arquitetura.

O que é o risco, de novo

SSRF acontece quando o aplicativo faz uma requisição de rede a partir do servidor para um destino parcialmente controlado pelo atacante. Em um agente de IA com uma tool do tipo fetch_url, o fluxo típico é:

  • O modelo recebe uma mensagem do usuário (ou gera, a partir de contexto ambíguo) uma chamada de ferramenta apontando para uma URL.
  • Um "fetcher" executa essa requisição server-side.
  • Se não há validação séria de destino, resolução e redirecionamentos, o fetcher pode alcançar o metadata service da nuvem (a famosa 169.254.169.254) e vazar credenciais na resposta entregue ao modelo.

O que torna os agentes um caso à parte é a combinação: a URL vem de saída não-determinística do modelo; o fetcher roda com as credenciais do serviço; e redirects + DNS rebinding escondem o destino real da requisição. Um único filtro na UI, ou uma "validação" na entrada, não cobre isso — é um problema arquitetural, não um bug de uma linha.

O que fazer na prática

A resposta defensiva não é desligar a tool, e sim tomar uma decisão explícita (ADR) de como ela é isolada. Na prática, as camadas que fazem diferença são:

  • Validação & allowlist na aplicação: só http/https, host em allowlist explícita, normalização de IPs disfarçados (decimal, hex, userinfo) e bloqueio de ranges internos/link-local antes de qualquer resolução.
  • Pinning de DNS (anti-rebinding): resolver uma única vez e usar exatamente o mesmo IP na conexão, fechando a janela TOCTOU.
  • Egresso segmentado: rota única de saída via proxy/política de rede que nega CIDs privados, e bloqueio do metadata service (IMDS/169.254.169.254).
  • Tratamento de redirects: revalidar o destino final a cada hop — nunca confiar só na primeira URL.
  • Sanitização da resposta: truncar/tipar o conteúdo antes de devolver ao modelo.

Nenhuma dessas camadas, sozinha, resolve. A utilidade está em combiná-las — é disso que trata um bom ADR de segurança.

Para o marketplace

Para equipes que querem deixar isso concreto, publicamos hoje no catálogo um pacote de prompts de arquitetura que leva um agente de IA a escrever um ADR completo de mitigação de SSRF para fetch tooling de agentes — com regras de borda, exemplos few-shot, harness de verificação e templates para Kubernetes/Serverless. São múltiplos arquivos complementares, não um prompt solto.

Se você mantém um agente que busca URLs de usuários, vale a pena tratar o assunto como decisão de arquitetura antes que a notícia de hoje seja "ameaça ativa" na sua própria base.

Post do Radar Tech — acompanhamento diário dos tópicos mais comentados em engenharia de software e segurança da informação.

Do conceito à execução

Ferramentas práticas para levar as decisões desta nota ao seu próximo projeto.

12 / selecionados
Cadeia de ataque do incidente Snowflake×Wiz: do PR gerado por IA ao roubo do token Jira via injeção em GitHub Actions.
Segurança
01 / 02

Revisor de Segurança de Patches Gerados por IA (injeção em CI/CD)

por João Gabriel

gpt-4ClaudeGemini
—(0)
0 vendas
R$ 19,90
Cadeia do ataque: evento não confiável interpolado em run: expõe segredo interno via gate 'sempre verdadeiro'.
Segurança
01 / 02

ADR de Hardening de GitHub Actions contra injeção de script

por João Gabriel

GPT-4oclaude-3-7-sonnetgemini-2.0-flash
—(0)
0 vendas
R$ 14,90
Modelo de ameaças: as 4 superfícies de ataque em agentes de codificação com IA, inspiradas pelo Cursor 0day e Memory Heist.
ADR
01 / 02

ADR de Adoção de Agentes de Código com Guardrails de Segurança

por João Gabriel

gpt-4claude-3.5-sonnetclaude-4+2
—(0)
0 vendas
R$ 19,90
Arquitetura geral do Roteador Multi-Modelo — cliente envia tarefa ao router que distribui entre modelo econômico (K3) e premium (Fable), obtendo 93% de acurácia com até 50x menor custo
Agentes
01 / 03

Arquiteto de AI Gateway: roteamento multi-modelo por custo, qualidade e latência

por João Gabriel

gpt-4ClaudeGemini+2
—(0)
0 vendas
R$ 19,90
O antipadrão: uma chave de plataforma única no gateway multi-tenant gera blast radius global.
Segurança
01 / 03

ADR de Segredos em Multi-Tenant: elimine chaves compartilhadas e reduza o blast radius

por João Gabriel

gpt-4ClaudeGemini
—(0)
0 vendas
R$ 29,90
O Locksmith Loop: Witness Search → execução paralela → oráculo de paridade → mutação/desbloqueio.
Agentes
01 / 03

Migração COBOL → Java com agentes de IA e validação por paridade

por João Gabriel

gpt-4ClaudeGemini
—(0)
0 vendas
R$ 29,90
Quatro superfícies de criptografia legada (TLS na borda, PKI/mTLS, assinatura de código, CMS/chaves) com o que é risco hoje e o padrão-alvo em cada uma — convergindo para um ADR consolidado e um roteiro em 3 fases (inventário, nova CA/HSM+rotação, desligar legado).
Segurança
01 / 03

Kit Crypto-Agility: ADR e roteiro para aposentar criptografia legada

por João Gabriel

gpt-4ClaudeGemini
—(0)
0 vendas
R$ 19,90
Camadas de controle de um agente LLM conectado: o usuário instrui um orquestrador que, para qualquer efeito colateral, passa por um gateway de política zero-confiança antes de tocar sistemas OAuth/dados sensíveis (e-mail, cloud, repositórios).
Segurança
01 / 03

Agente LLM Conectado e Seguro: ADR, modelo de ameaças e gates de tool-call

por João Gabriel

gpt-4ClaudeGemini
—(0)
0 vendas
R$ 19,90
Fluxo do ataque de supply-chain via npm (incidente Keyv, ago/2026) e a superficie de governanca.
Segurança
01 / 02

ADR de Supply Chain: dependências zero-trust e runbook para pacote comprometido

por João Gabriel

gpt-4ClaudeGemini
—(0)
0 vendas
R$ 19,90
Cadeia de remediação em frota de borda: da exposição (boletim + inventário) à classificação de versão, à separação CLASSE A/CLASSE B e à prova da correção.
Segurança
01 / 02

Arquiteto de Correção de Frota: laudo de remediação para CVEs exploradas em appliances de borda

por João Gabriel

gpt-4gpt-5Claude+3
—(0)
0 vendas
R$ 29,90
Padrão Orquestrador–Trabalhador: o orquestrador divide a tarefa, delega a workers baratos com contrato JSON versionado, e recombina o resultado final — com guardrails de budget de tokens e timeout.
Agentes
01 / 03

Design de Sistema Multi-Agente: escolha o padrão de orquestração e documente

por João Gabriel

gpt-4ClaudeGemini+1
—(0)
0 vendas
R$ 14,90
Pipeline de Desenvolvimento Seguro na Era da IA: estágios planejamento→implementação→verificação→entrega com feedback loop e papéis IA/humano.
Segurança
01 / 02

SSDLC na Era da IA: decisões e gates de segurança para times com copilotos

por João Gabriel

gpt-4ClaudeGemini+1
—(0)
0 vendas
R$ 19,90