Vercel lança deepsec, scanner com IA para encontrar vulnerabilidades ocultas no código
A Vercel lançou o deepsec, um scanner com IA para encontrar vulnerabilidades em grandes bases de código. Ele usa Claude Opus e GPT-5.5 na análise e roda localmente, sem serviços em nuvem e sem enviar o código para a nuvem. Pode escalar via Vercel Sandboxes, com mais de 1000 varreduras em paralelo. Em projetos reais (dub.co e os próprios monorepos da Vercel), encontrou edge cases ocultos na lógica de autenticação que as ferramentas SAST padrão não pegam.
Processado por IA de Vercel Blog; editado por Hamidun News
A Vercel lançou o deepsec, ferramenta open source e AI harness para encontrar vulnerabilidades em grandes bases de código. É o primeiro scanner de segurança que roda na sua infraestrutura, com as suas chaves de API, sem enviar o código-fonte para a nuvem. A ideia é simples: em vez de mandar código sensível para servidores de terceiros, agentes Claude e GPT o analisam localmente.
Por que o deepsec é necessário
Os scanners de segurança atuais (como as ferramentas SAST) costumam gerar tantos falsos positivos que seus resultados se tornam inutilizáveis. A outra opção é contratar uma empresa de auditoria de segurança, mas isso é caro e demorado. O deepsec tenta preencher essa lacuna: agentes de IA que trabalham como um engenheiro de segurança experiente, mas de forma barata, rápida e local.
Arquitetura e recursos
O deepsec usa o Claude Opus 4.7 em modo de esforço máximo e o GPT-5.5 com raciocínio de alto nível. A ferramenta pode rodar localmente no seu notebook, sem precisar configurar serviços em nuvem. Para escalar para grandes monorepos, o deepsec oferece execução paralela via Vercel Sandboxes: durante o desenvolvimento, a Vercel executou varreduras em mais de 1000 instâncias simultâneas. Varrer um repositório grande em uma única máquina pode levar vários dias, por isso o paralelismo é crítico.
Como funciona a varredura
O processo tem cinco etapas:
- Scan — expressões regulares localizam arquivos e funções sensíveis do ponto de vista de segurança
- Investigate — agentes de programação analisam cada candidato em profundidade, rastreiam fluxos de dados e verificam as medidas de mitigação
- Revalidate — uma segunda passada dos agentes elimina falsos positivos e reclassifica a severidade de cada achado
- Enrich — um agente usa metadados do git para identificar os desenvolvedores que devem corrigir o problema
- Export — os resultados são convertidos em instruções acionáveis para criar tickets em um sistema de acompanhamento
Resultados em projetos reais
A Vercel testou o deepsec nos próprios monorepos e em projetos abertos de clientes. Os resultados impressionaram até engenheiros de segurança e fundadores experientes. No código aberto do dub.co (plataforma de encurtamento de links com sistemas complexos de atribuição para programas de afiliados), o deepsec encontrou erros ocultos na lógica de autenticação: edge cases sutis nas condições de autenticação. Os erros eram realmente enigmáticos: as ferramentas SAST padrão não os detectavam, mas eles podiam levar a acesso não autorizado. Os resultados levaram a Vercel a desenvolver um plugin de scanner personalizado para verificar todos os caminhos de autenticação em seus próprios monorepos.
"Recebemos muitos relatórios de segurança automáticos, mas a maioria é inutilizável.
O deepsec é a primeira ferramenta que encontrou justamente os problemas que um engenheiro de segurança apontaria, e ainda roda na nossa infraestrutura." — Steven Tey, fundador do dub.co
O que isso significa
A automação da varredura de segurança está saindo do território dos serviços em nuvem e entrando no das ferramentas que priorizam a privacidade. Para desenvolvedores e equipes de segurança, isso significa que é possível buscar vulnerabilidades sem enviar o código para a nuvem, com total privacidade, usando as chaves de API do Claude e da OpenAI que já se tem. Ferramentas como o deepsec começam a ocupar o nicho entre as caras auditorias de segurança profissionais (que levam semanas e custam centenas de milhares) e os scanners automáticos ineficientes (que geram 95% de falsos positivos). Isso pode, potencialmente, virar padrão no pipeline de segurança de grandes empresas.
- 1 de nov. de 2026Modelos locais perdem para Opus e Codex: 0,21 ponto no MacBook contra 1,00 do Codex
- 1 de nov. de 2026Kimi marca 96,2% em teste de análise em base 1C e vira reserva caso o Claude seja bloqueado
- 1 de nov. de 2026OpenAI reescreve as regras de comportamento do GPT: cinco valores e uma cadeia de prioridades
- 1 de nov. de 2026Google admite que o AI Mode reduz a receita da Busca; ações caem 15%
Perguntas frequentes sobre a notícia
Por que o deepsec é necessário?
Os scanners de segurança atuais (como as ferramentas SAST) costumam gerar tantos falsos positivos que seus resultados se tornam inutilizáveis. A outra opção é contratar uma empresa de auditoria de segurança, mas isso é caro e demorado. O deepsec tenta preencher essa lacuna: agentes de IA que trabalham como um engenheiro de segurança experiente, mas de forma barata, rápida e local.
O que se sabe sobre Arquitetura e recursos?
O deepsec usa o Claude Opus 4.7 em modo de esforço máximo e o GPT-5.5 com raciocínio de alto nível. A ferramenta pode rodar localmente no seu notebook, sem precisar configurar serviços em nuvem. Para escalar para grandes monorepos, o deepsec oferece execução paralela via Vercel Sandboxes: durante o desenvolvimento, a Vercel executou varreduras em mais de 1000 instâncias simultâneas. Varrer um repositório grande em uma única máquina pode levar vários dias, por isso o paralelismo é crítico.
Como funciona a varredura?
O processo tem cinco etapas: Scan — expressões regulares localizam arquivos e funções sensíveis do ponto de vista de segurança Investigate — agentes de programação analisam cada candidato em profundidade, rastreiam fluxos de dados e verificam as medidas de mitigação Revalidate — uma segunda passada dos agentes elimina falsos positivos e reclassifica a severidade de cada achado Enrich — um agente usa metadados do git para identificar os desenvolvedores que devem corrigir o problema Export — os resultados são convertidos em instruções acionáveis para criar tickets em um siste
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.