Cliente do GitLab ativa agentes de IA para corrigir vulnerabilidades em 136 projetos em uma semana
Os scanners encontram vulnerabilidades mais rápido do que as pessoas conseguem corrigi-las, e a fila só cresce. No GitLab 19.6, o gerente de segurança ativa o agente de IA em um grupo inteiro de projetos, em vez de rodar um script projeto por projeto: o agente escreve a correção e abre um merge request. Na primeira semana, um cliente conectou 136 projetos dessa forma. Se o seu backlog é grande, comece por um único projeto e pelo preset conservador Conservative: a revisão humana continua obrigatória.
Processado por IA de GitLab Blog; editado por Hamidun News
Imagine que o scanner de segurança encontrou centenas de vulnerabilidades nos seus repositórios, mas os desenvolvedores conseguem fechar apenas uma dezena por semana. Foi para esse problema que o GitLab lançou a versão 19.6.
Nela, o gerente de segurança pode ativar agentes de IA em um grupo inteiro de projetos com uma única ação. Antes, isso exigia um script via API para cada projeto. O agente verifica se o achado não é um falso positivo, escreve a correção, abre um merge request e roda os testes.
Cabe à pessoa apenas revisar o patch pronto. Tudo é ativado por meio do perfil ATR (automated triage and remediation, ou seja, triagem e correção automáticas). Segundo o GitLab, na primeira semana após a abertura da API, um cliente aplicou esses perfis a 136 projetos.
Se você tem um backlog grande, essa é uma forma de eliminar o trabalho repetitivo sem abrir mão das aprovações obrigatórias.
Por que a fila de vulnerabilidades cresce
No blog, o GitLab descreve a situação assim: a IA escreve mais código e encontra mais falhas, mas quem corrige continua sendo gente. Como argumento, a empresa cita dados do NIST. Segundo ela, a base nacional de vulnerabilidades NVD já publicou em 2026 o dobro de registros de CVE (identificadores públicos de vulnerabilidades) em relação a todo o ano de 2025. Desde abril, a NVD deixou de complementar com descrições a maioria dos registros.
O segundo problema é que "pode esperar" deixou de ser uma escolha segura. O GitLab lembra o caso PHP2Shell: em outubro, modelos de ponta encontraram no PHP um par de vulnerabilidades de execução remota de código sem autenticação, que já em 2012 haviam sido consideradas inexploráveis. Se os atacantes também usam IA, falhas que antes eram consideradas teóricas podem virar exploits funcionais em questão de horas.
Como funciona a triagem com agentes
Os agentes do GitLab Duo Security examinam a base de código e cada merge request. Eles procuram erros de lógica que os scanners comuns deixam passar e filtram os falsos positivos antes que cheguem à fila do desenvolvedor. O que sobra é ranqueado por severidade, possibilidade de exploração, alcance (reachability) e "raio de impacto", ou seja, o que seria afetado em caso de invasão. Para vincular tudo ao estado real do sistema, é usado o grafo de conhecimento GitLab Orbit.
Para uma vulnerabilidade confirmada, o agente escreve a correção, abre um merge request e dispara o pipeline. Se os testes ou scans falham, ele lê os logs, ajusta o patch e verifica de novo. O desenvolvedor recebe uma alteração pronta para merge, com explicação e a avaliação de confiança do próprio agente. As aprovações continuam as mesmas do código comum e, segundo o GitLab, nem pessoas nem agentes conseguem contorná-las.
O que há de novo no 19.6
O perfil ATR inclui verificação de falsos positivos, avaliação de risco e correção. Há três presets: Conservative, Standard e Proactive. Eles definem para quais níveis de severidade cada etapa funciona e se ela é executada automaticamente ou apenas sob demanda. Agora o gerente seleciona projetos por grupo ou atributo no Security Inventory ou na página de configurações de segurança, atribui um perfil e o aplica. Depois, o Security Inventory mostra onde cada agente está ativo e como os projetos são cobertos pelos scanners. Os perfis estão disponíveis no plano Ultimate em todas as modalidades de implantação do GitLab.
A segunda novidade é o Vulnerability Context Flow, ainda em beta. Ele identifica o serviço afetado, inclusive dentro de um monorepositório, e adiciona ao achado de SAST (análise estática de código) uma tabela de risco. Nela é possível ver se a exploração exige autenticação, se o serviço processa dados sensíveis e se está acessível a entradas não confiáveis. O mesmo achado em um serviço interno isolado e em uma API pública com dados pessoais deixa de parecer igualmente urgente.
A terceira é o gráfico de MTTR (tempo médio de correção de vulnerabilidades) no painel de segurança. Ele mostra valores semanais para o código próprio e para dependências de terceiros nos níveis de projeto, grupo e organização, junto com o número de vulnerabilidades fechadas. O cálculo considera os achados corrigidos e que deixaram de ser detectados; os descartados não entram. Para que pendências antigas não distorçam a tendência, cada semana conta apenas as vulnerabilidades encontradas nos 90 dias anteriores ao início dela. O gráfico vem ativado por padrão no Ultimate.
Separadamente, o GitLab liberou para ativação autônoma no GitLab.com o Business Logic Security Analyzer (beta). Ele procura falhas na lógica de propriedade, verificações de permissão ausentes e cenários de abuso em várias etapas. Para rodar no Claude Mythos 5.2, da Anthropic, é preciso falar com o gerente de contas. Em instâncias self-managed e Dedicated, o acesso ao BLSA é liberado mediante solicitação.
O que levar em conta
É um material do fornecedor e não traz medições independentes. O número de 136 projetos indica apenas a escala da adoção, e não quantas vulnerabilidades foram efetivamente fechadas nem quantos patches foram aceitos sem alterações. O texto não informa a taxa de falsos positivos nem a qualidade das correções. Tudo o que foi descrito exige o Ultimate, e o Vulnerability Context Flow e o BLSA ainda estão em beta.
A conclusão prática é simples. Comece por um projeto com um backlog grande: aplique o perfil Conservative, observe como o agente lida com as correções e ative o contexto de exploração para reordenar o que sobrou. Em algumas semanas, o gráfico de MTTR vai mostrar se a fila está diminuindo. A revisão obrigatória segue como salvaguarda enquanto a confiança no agente ainda não foi construída.
- 30 de ago. de 2026GitLab 19.0 lança varredura de dependências baseada em SBOM para proteger contra vulnerabilidades
- 19 de nov. de 2026GitLab ensina agentes de IA a trabalhar em horários programados: de a cada 15 minutos até uma vez por mês
- 30 de ago. de 2026Segurança de código sem YAML: como o GitLab escala a varredura
- 13 de out. de 2026GitLab lança orquestração de agentes: o comando /goal conduz a tarefa até o CI ficar verde
Perguntas frequentes sobre a notícia
Por que a fila de vulnerabilidades cresce?
No blog, o GitLab descreve a situação assim: a IA escreve mais código e encontra mais falhas, mas quem corrige continua sendo gente. Como argumento, a empresa cita dados do NIST. Segundo ela, a base nacional de vulnerabilidades NVD já publicou em 2026 o dobro de registros de CVE (identificadores públicos de vulnerabilidades) em relação a todo o ano de 2025. Desde abril, a NVD deixou de complementar com descrições a maioria dos registros. O segundo problema é que "pode esperar" deixou de ser uma escolha segura.
Como funciona a triagem com agentes?
Os agentes do GitLab Duo Security examinam a base de código e cada merge request. Eles procuram erros de lógica que os scanners comuns deixam passar e filtram os falsos positivos antes que cheguem à fila do desenvolvedor. O que sobra é ranqueado por severidade, possibilidade de exploração, alcance (reachability) e "raio de impacto", ou seja, o que seria afetado em caso de invasão. Para vincular tudo ao estado real do sistema, é usado o grafo de conhecimento GitLab Orbit.
O que há de novo no 19.6?
O perfil ATR inclui verificação de falsos positivos, avaliação de risco e correção. Há três presets: Conservative, Standard e Proactive. Eles definem para quais níveis de severidade cada etapa funciona e se ela é executada automaticamente ou apenas sob demanda. Agora o gerente seleciona projetos por grupo ou atributo no Security Inventory ou na página de configurações de segurança, atribui um perfil e o aplica.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.