Opinião
Será possível fazer testes de intrusão 90% mais baratos?
Um teste de intrusão custa facilmente seis mil euros. Para um ambiente complexo, o valor ultrapassa com facilidade os cem mil. Mesmo um teste modesto, de dois a três mil euros, é uma despesa séria para a PME média, sobretudo se tiver de ser repetido todos os anos. Durante muito tempo isto foi uma escolha: ou se fazia, ou não se fazia. A não ser que a regulamentação do setor o exigisse, e então não havia escolha nenhuma. Com a chegada da diretiva europeia NIS2, implementada nos Países Baixos como Cyberbeveiligingswet, isso está a mudar. Milhares de organizações ficam agora sujeitas a legislação que exige medidas técnicas de segurança, incluindo testar regularmente a sua própria resiliência. Muitas organizações traduzem isso num teste de intrusão.
O mercado dos pentests não acompanha essa procura. Os pentesters são escassos, a formação demora anos e as tarifas horárias sobem. Podes esperar que o mercado se ajuste, ou podes tentar resolver o problema de outra forma. Nós escolhemos a segunda via.
A Guardian360 é uma de treze organizações europeias que receberam uma subvenção ao abrigo do programa CYSSDE da União Europeia para tornar os testes de intrusão mais acessíveis. O nosso projeto chama-se AI-SCALE. A nossa ambição: oferecer testes de intrusão profissionais por cerca de dez por cento do preço habitual, deixando que um agente de IA faça a maior parte do trabalho, com validação humana dos resultados. Este artigo não é sobre o quão bem isso está a correr, porque ainda não chegámos lá. É sobre aquilo com que nos estamos a deparar, o que aprendemos e que perguntas ainda não conseguimos responder.
O que estamos a construir
A tecnologia é construída em três camadas. A primeira camada é a descoberta contínua: a nossa plataforma Lighthouse já existente mapeia continuamente a superfície de ataque, tanto externa como interna. A segunda camada é a avaliação orientada por IA: o nosso próprio AI Cyber Security Agent, que gera e executa cenários de pentest adaptados ao setor e à stack tecnológica da organização. A terceira camada é a revisão humana: um pentester sénior certificado de um dos nossos parceiros de pentest valida os resultados antes de o relatório ser entregue.
Esta estrutura de três camadas não é um compromisso, é uma escolha deliberada. A IA faz o trabalho que escala: analisar de forma ampla, percorrer cenários, documentar resultados. O humano faz o trabalho que exige discernimento: decidir se um resultado é um risco real, avaliar como as vulnerabilidades se combinam e decidir se a exploração é responsável.
Quando o projeto terminar, em março de 2028, o agente de IA, as bibliotecas de cenários por setor e toda a metodologia serão publicados como código aberto. É um compromisso da nossa candidatura ao projeto e é também a nossa convicção: as ferramentas profissionais de segurança devem poder ser testadas, não ser uma caixa negra.
O que é, afinal, um teste de intrusão?
Antes de podermos falar de uma redução de custos de 90%, temos de concordar sobre aquilo que estamos a tentar tornar mais barato. E é aqui que começa o primeiro problema. O termo “teste de intrusão” não tem uma definição única. Para um fornecedor, é uma análise de vulnerabilidades automatizada com um relatório. Para outro, são semanas de trabalho manual de um especialista com OSCP que tenta realmente entrar.
Os referenciais de conformidade só ajudam até certo ponto. A NIS2 pede “testar a eficácia das medidas de segurança”, mas não prescreve como. A ISO 27001 refere avaliações técnicas de vulnerabilidades sem especificar a profundidade. A DORA é mais precisa quanto aos testes de intrusão baseados em ameaças (TLPT), mas isso só se aplica ao setor financeiro.
Nos Países Baixos existe uma norma de qualidade concreta: o CCV Keurmerk Pentesten, uma marca de certificação para testes de intrusão. O Centre for Crime Prevention and Safety (CCV) desenvolveu um esquema de certificação que define o que é e o que não é um pentest. A definição é inequívoca: um pentest é “uma avaliação manual que tenta penetrar num sistema o mais profundamente possível”. As análises de vulnerabilidades, por mais avançadas que sejam, são explicitamente excluídas da marca. As ferramentas podem ser usadas como auxiliar, mas, nas palavras do CCV, “não são determinantes na execução de um pentest”. Todos os resultados de testes automatizados têm de ser verificados manualmente por um pentester qualificado.
A isto acresce um requisito quantitativo rígido: o pentester qualificado tem de realizar pelo menos cinquenta por cento do tempo total do teste. Esse pentester tem também de possuir um certificado prático reconhecido, ter pelo menos um ano de experiência profissional como profissional de TI (não como estagiário) e um certificado de bom comportamento (VOG) com menos de três anos.
Para quem quer oferecer pentests com IA, esta marca levanta a pergunta central: se o agente de IA faz a maior parte do trabalho e o humano valida, ainda é um pentest no sentido que o CCV pretende? A conclusão honesta é que o modelo de três camadas se enquadra conceptualmente no espírito da marca: as ferramentas como auxiliar, o especialista humano responsável em última instância. Mas a regra dos cinquenta por cento e a definição como “avaliação manual” ficam mal com a ambição de uma redução de custos de noventa por cento. Se o pentester humano tem de realizar metade das horas, então, por definição, não chegas a dez por cento do preço habitual.
No projeto AI-SCALE usamos por isso uma definição mais ampla: um pentest é uma avaliação estruturada que vai além de executar uma análise automatizada. Inclui cenários adaptados ao setor e à stack tecnológica, abrangendo configurações incorretas, erros de autorização e fragilidades de lógica de negócio, e termina com validação humana.
O limite da automação: a exploração
Uma das primeiras conversas que tivemos com o nosso parceiro de pentest foi sobre a exploração. Pode o agente de IA explorar efetivamente uma vulnerabilidade que encontra, para provar que o risco é real? A resposta foi cristalina: não, em todo o caso não de forma totalmente automatizada.
Isto soa a limitação, e é-o. Mas é uma limitação deliberada. Um agente de IA que explora vulnerabilidades num ambiente de produção sem supervisão humana é, em si mesmo, um risco. No nosso modelo, o agente opera sobretudo em modo de leitura: explora, identifica e reporta. Toda a ação que altere um sistema requer aprovação humana. Existe um kill switch, existem Rules of Engagement por trabalho e existe um registo de auditoria extenso.
Para um CISO, isto pode ser mais tranquilizador do que um agente totalmente autónomo. Mas significa também que a redução de custos será limitada. Assim que um pentester humano tem de intervir de forma significativa no processo de validação, ainda é possível poupar, mas quanto será é algo que continua por esclarecer.
Os falsos positivos custam tempo de validação
O agente de IA é forte em abrangência. Configurações incorretas, componentes desatualizados, definições por omissão e padrões de vulnerabilidades conhecidos, encontra-os de forma consistente, inclusive nos sítios onde um humano olha com menos atenção ao fim de algumas horas. Mas a abrangência tem um reverso: o agente produz mais resultados, e nem todos são relevantes.
Se a IA produz mais ruído do que um testador humano, desloca-se as horas do teste para a validação. O pentester humano passa então mais tempo a avaliar e a rejeitar resultados do que a descobri-los. Benchmarks recentes confirmam que as taxas de falsos positivos são o grande estrangulamento das ferramentas de pentest automatizadas. O tempo que ganhas no início do teste voltas a perdê-lo no fim.
Lógica de negócio e ataques encadeados
O agente encontra pontos de atenção individuais, mas nem sempre vê que, em conjunto, formam uma cadeia de ataque séria. Um erro de autorização entre perfis, um fluxo de pagamento que salta um passo em determinadas condições, uma API que é segura isoladamente mas permite uma escalada de privilégios em combinação com outro endpoint: são exatamente os resultados para os quais as organizações contratam um pentester. E são exatamente os resultados que a IA, para já, não consegue obter sozinha.
Isso não é uma questão de modelos melhores. Exige compreender o que uma aplicação deve fazer, no contexto do processo de negócio que suporta. Isso é conhecimento de domínio, não reconhecimento de padrões.
Os pressupostos por trás do modelo de custos
O objetivo de dez por cento do preço habitual, cerca de seiscentos euros por teste em vez de seis mil, assenta num conjunto de pressupostos que devemos nomear com honestidade.
O primeiro pressuposto é que os modelos de IA se tornam mais eficientes. Até agora isso tem-se verificado: os modelos de base tornam-se mais rápidos, mais baratos e melhores a cada geração. Mas não há nenhuma lei da natureza que diga que este ritmo continua. Se os ganhos de eficiência estabilizarem, o modelo de custos torna-se frágil.
Executamos os nossos modelos na nossa própria infraestrutura de GPU, através de uma empresa irmã neerlandesa com capacidade dedicada de Kubernetes e GPU. Isso significa que não temos custos variáveis de tokens e que os dados dos clientes e os resultados permanecem dentro do nosso próprio cluster de servidores. Para muitas organizações do nosso grupo-alvo, este último ponto pode muito bem ser o argumento mais importante. Mas ter GPUs desloca o problema, não o elimina. A questão passa então a ser não “quanto custa este teste?”, mas “quantos testes conseguimos executar ao mesmo tempo?”. O limite é a capacidade, não o orçamento por teste.
O segundo pressuposto é que a intervenção humana pode permanecer mínima. Se a validação L3, a revisão humana por um pentester sénior, ocupar uma parte significativa do prazo de execução, então não é possível atingir uma redução de custos de noventa por cento. A matemática é simples: se a validação custar trinta por cento do tempo de um teste convencional, a poupança máxima é de setenta por cento, não de noventa. A marca CCV torna esse cálculo ainda mais exigente: cinquenta por cento de tempo humano significa um teto de cinquenta por cento de poupança, não de noventa.
Já existem jogadores neste campo
A Guardian360 não é a primeira a tentar automatizar testes de intrusão. A Horizon3.ai oferece pentests autónomos para redes internas e ambientes Active Directory com o NodeZero. A Pentera posiciona-se como validação de segurança automatizada e reporta mais de cem milhões de dólares de receita recorrente anual. A Hadrian foca-se na superfície de ataque externa e lançou um produto de pentest com IA agêntica em março de 2026.
A pergunta é legítima: porquê construir algo próprio se já existem plataformas estabelecidas? A nossa resposta tem três partes. Primeiro, essas plataformas são de código fechado. O nosso agente e a nossa metodologia serão publicados como código aberto depois do projeto, para que a comunidade os possa testar, melhorar e adaptar. Segundo, são predominantemente americanas, enquanto a regulamentação europeia, em particular a NIS2, a DORA e normas específicas de setor como a NEN 7510 e o referencial BIO, exige bibliotecas de cenários próprias. Terceiro, são caras: os modelos de licenciamento habituais foram concebidos para grandes empresas, não para pequenas e médias empresas.
O que estamos a aprender
Estamos há cerca de dois meses no projeto. É pouco para tirar conclusões, mas suficiente para partilhar as primeiras perceções.
A primeira perceção é que o agente é forte onde os humanos são fracos: na persistência. Um pentester humano perde acuidade ao fim de horas. O agente não. Percorre sistematicamente todos os aspetos de um ambiente, incluindo as partes aborrecidas. Isso produz resultados que um humano teria deixado escapar, não porque o humano não os consiga encontrar, mas simplesmente porque um humano não é uma máquina.
A segunda perceção é que a distância entre “imaginar um cenário” e “executar esse cenário num ambiente real” é maior do que esperávamos. Um cenário de ataque que é lógico no papel fica bloqueado, na prática, na gestão de sessões, nos fluxos de MFA, no rate limiting ou em padrões de autenticação específicos da aplicação. Cada ambiente tem particularidades que o agente só conhece quando as encontra. Isso significa que as bibliotecas de cenários têm de conter não só padrões de ataque, mas também os padrões defensivos que o agente tem de reconhecer e contornar ou reportar.
A terceira perceção é que as bibliotecas de cenários por setor não são um luxo, são uma necessidade. Um pentest para um prestador de cuidados de saúde que tem de cumprir a NEN 7510 pede cenários diferentes de um teste para uma instituição financeira sujeita à DORA. Cenários genéricos produzem resultados genéricos, e resultados genéricos não são utilizáveis por um CISO.
A quarta perceção, e talvez a mais desconfortável, é que a reação de pentesters experientes aos resultados gerados por IA é uma medida de valor que não conseguimos automatizar. O reconhecimento do agente e a primeira triagem são utilizáveis; aí poupa horas ao humano. Mas a medida em que o revisor humano tem depois de corrigir, reclassificar ou complementar os resultados é, em última análise, o que determina se o modelo é rentável. Medimos agora esse ciclo de feedback de forma sistemática, e os resultados ainda são demasiado precoces para publicar.
Uma história europeia mais ampla
Como referido, a Guardian360 não é a única organização a trabalhar nisto. O programa CYSSDE selecionou treze projetos na Open Call 3, provenientes de nove países europeus, que planeiam em conjunto mais de 534 avaliações de segurança. Desde avaliações de segurança OT na Polónia e na Alemanha, passando por pentesting baseado em ameaças na Bélgica, até pentesting soberano com IA em Itália.
Isto não é coincidência. A UE está a investir deliberadamente na capacidade europeia de cibersegurança, através do European Cybersecurity Competence Centre e de programas como o CYSSDE. O raciocínio por trás disto é que, se queremos que as organizações europeias sejam resilientes, não devemos depender de ferramentas e fornecedores não europeus. O nosso compromisso de código aberto encaixa na mesma linha: é uma contribuição para o bem comum europeu da cibersegurança, não apenas um produto.
A resposta honesta
Será possível fazer testes de intrusão noventa por cento mais baratos? A resposta honesta é: ainda não sabemos. Acreditamos que a IA pode assumir uma grande parte do trabalho repetitivo e que, com isso, os custos podem baixar substancialmente. Mas “substancialmente” não é o mesmo que “noventa por cento”, e as armadilhas com que nos deparamos, desde a lógica de negócio que o agente não compreende até normas de qualidade como a marca CCV que impõem intervenção humana, são motivo para modéstia.
O que sabemos é que a situação atual é insustentável. As organizações abrangidas pela NIS2 que não conseguem pagar um pentest estão em risco. As organizações que mandam executar uma análise automatizada barata e pensam que fizeram um teste de intrusão correm outro risco: a falsa segurança. Um pentest que dá às organizações uma falsa sensação de segurança é talvez ainda pior do que nenhum pentest.
A solução não está só na IA, nem só nas pessoas. Está numa combinação que é honesta sobre o que cada parte consegue e não consegue fazer. O agente analisa, o humano julga. O agente encontra padrões, o humano vê cadeias. O agente escala, o humano guarda a fronteira.
Publicamos os nossos resultados, o nosso agente e a nossa metodologia. Não porque tenhamos a resposta, mas porque acreditamos que a resposta chega mais depressa se mais pessoas estiverem a procurá-la.
Fontes
- CCV Keurmerk Pentesten, Certification Scheme version 2.0 (January 2024), https://hetccv.nl/keurmerken/cybersecurity/pentest/
- CYSSDE Open Call 3, selected projects, https://cyssde.eu/cyssde-activities/open-call-3/
- Guardian360 AI Pentesting, beta programme, https://guardian360.net/platform/ai-pentesting/
- NIS2 directive (EU 2022/2555), Article 21: cybersecurity risk-management measures
- Security Magazine (2026), “Would you trust an AI pentester to work solo?”, https://www.securitymagazine.com/blogs/14-security-blog/post/102154
- NHI Management Group (2026), “AI pentesting replaces repetition, not expert judgment”, https://nhimg.org/articles/ai-pentesting-replaces-repetition-not-expert-judgment/
- The Next Web (2026), “The 10 best autonomous pentesting tools, ranked by proof of exploit”, https://thenextweb.com/news/best-autonomous-pentesting-tools-proof-exploit-2026