Habr lança série sobre segurança de IA: 4 jurisdições e 4 metodologias de proteção

O Habr AI publicou a primeira parte de uma série sobre segurança de sistemas de IA em 2026. O artigo cobre o arcabouço normativo de quatro jurisdições (Rússia, China, UE e EUA) e quatro metodologias de proteção: STRIDE, OWASP, AI-SAFE e SAIMM. Os autores o descrevem como o conjunto básico de conhecimento de que todo especialista em segurança de IA precisa. O anúncio do material não traz uma análise de normas específicas, por isso este texto examina o que foi declarado e o contexto em que isso importa.

A segurança de aprendizado de máquina ficou muito tempo como um tema de nicho. Poucos grupos de pesquisa trabalhavam nele, saía cerca de uma dezena de publicações por ano e quase não havia ferramentas práticas. Quando LLMs e sistemas agênticos chegaram à produção, o cenário mudou. Hoje o modelo chama ferramentas, lê dados externos e toma decisões em nome do usuário. A superfície de ataque aumentou, e as empresas passaram a responder pelas consequências.

Quatro jurisdições, quatro lógicas

O artigo compara a regulação na Rússia, na China, na UE e nos EUA. As abordagens são claramente diferentes, e isso já se sabe pelo contexto geral.

• A UE construiu uma lei horizontal de IA (AI Act), com graduação por níveis de risco e obrigações específicas para desenvolvedores de modelos de uso geral. Os prazos de aplicação de parte dos requisitos foram discutidos e ajustados, então convém conferir as datas atuais na fonte primária.
• A China regula classes específicas de sistemas: IA generativa, recomendações algorítmicas e rotulagem de conteúdo sintético. É um conjunto de requisitos pontuais, e não uma lei única.
• Os EUA se apoiam em uma mistura de marcos federais, como o NIST AI RMF, requisitos setoriais e leis de cada estado.
• A Rússia desenvolve sua própria base normativa e de padronização. Quais atos e padrões os autores consideram centrais, o anúncio não deixa claro.

Para uma empresa que atua em vários mercados, isso significa vários circuitos de compliance em paralelo. Ainda não existe um padrão único.

Metodologias: o que vem de fora e o que há em casa

A segunda metade do artigo trata das metodologias de proteção. O STRIDE é um modelo clássico de ameaças, que surgiu muito antes das LLMs e é aplicado a sistemas de IA como forma de estruturar riscos. O OWASP é conhecido por suas listas práticas de vulnerabilidades, inclusive para aplicações baseadas em grandes modelos de linguagem. As metodologias russas AI-SAFE e SAIMM aparecem no anúncio apenas pelo nome: não há estrutura, critérios de maturidade nem escopo. Só será possível avaliar seus pontos fortes e fracos depois da leitura do texto completo.

A própria combinação já é interessante. As metodologias ocidentais oferecem uma linguagem comum para discutir ameaças. As russas, pelo que tudo indica, estão ligadas à regulação local e à prática de certificação. O especialista terá de dominar as duas camadas.

O que as equipes podem fazer agora

Enquanto a série não sai por inteiro, há alguns passos que não exigem espera.

1. Monte um inventário dos sistemas de IA da empresa: quais modelos e agentes estão em operação, com quais dados e permissões de acesso. 2. Defina a quais jurisdições cada sistema está sujeito. O critério não é onde a empresa está registrada, mas onde estão os usuários e os dados. 3. Faça a modelagem de ameaças com STRIDE para os cenários agênticos mais críticos, sobretudo aqueles em que o modelo pode agir em sistemas externos. 4. Compare os riscos encontrados com as listas do OWASP para aplicações com LLM e verifique quais controles já existem. 5. Aguarde a análise de AI-SAFE e SAIMM e avalie o quanto elas se encaixam nos seus processos internos e nos requisitos dos reguladores.

Pela proposta dos autores, a série é voltada a profissionais de prática. A primeira parte estabelece o quadro geral, e o valor da série como um todo ficará claro quando surgirem as análises de ataques e controles específicos.