Google lança o framework open-source Mantis para automatizar auditorias de segurança de software

MOUNTAIN VIEW, Calif. — A gigante da tecnologia Google lançou o Mantis, um framework open-source impulsionado por agentes de inteligência artificial, concebido para simplificar o ciclo de vida de vulnerabilidades de software através da verificação de falhas de segurança, redução de falsos alarmes e automatização de correções de código. Anunciada em 6 de setembro de 2026, a ferramenta aborda desafios antigos na auditoria de segurança automatizada, onde os analisadores estáticos tradicionais e modelos de linguagem de grande porte simples frequentemente inundam os desenvolvedores com alertas inexistentes ou não exploráveis. Ao estruturar modelos de IA em agentes especializados que utilizam ferramentas e podem executar e validar potenciais brechas de segurança em ambientes controlados, o Mantis procura fechar a lacuna entre a deteção inicial da falha e a implementação real da correção.

## Key facts - A Google lançou oficialmente o Mantis como um projeto de software open-source em 6 de setembro de 2026. - O framework coordena agentes de IA autónomos e especializados ao longo de todo o ciclo de vida de vulnerabilidades de software, incluindo deteção, validação, reprodução e correção. - O Mantis foi concebido especificamente para reduzir as taxas de falsos positivos e vulnerabilidades alucinadas comuns em ferramentas de testes estáticos de segurança de aplicações e modelos de linguagem de grande porte autónomos. - O framework baseia-se na validação dinâmica, gerando testes executáveis de prova de conceito dentro de ambientes isolados (sandboxes) para confirmar se uma falha relatada é realmente explorável. - Juntamente com a verificação de vulnerabilidades, o Mantis gera automaticamente propostas de correções de código e scripts de reprodução para reduzir o trabalho manual das equipas de engenharia de software.

## What happened Num lançamento público anunciado em 6 de setembro de 2026, a Google disponibilizou a base de código do seu framework Mantis para a comunidade global de desenvolvimento de software e cibersegurança. De acordo com a reportagem de Sergio De Simone, a Google concebeu a ferramenta como uma estrutura de suporte de agentes para resolver gargalos operacionais persistentes na forma como os sistemas de segurança automatizados identificam, triam e reparam vulnerabilidades no código-fonte.

Durante décadas, a auditoria de segurança automatizada dependeu fortemente de motores de análise estática que analisam o código-fonte linha por linha para identificar padrões associados a fragilidades de segurança. Embora estas ferramentas ofereçam uma cobertura ampla, geram frequentemente falsos positivos excessivos — sinalizando segmentos de código que parecem perigosos isoladamente, mas que são neutralizados em segurança pela lógica da aplicação circundante, funções de higienização de dados ou caminhos de execução inalcançáveis. Nos últimos anos, a integração da inteligência artificial generativa e de modelos de linguagem de grande porte (LLMs) prometia tornar a deteção de vulnerabilidades mais flexível. No entanto, LLMs sem fundamentação contextual introduziram um novo problema ao "alucinar" rotineiramente falhas de segurança, apresentando estruturas de código benignas como vulnerabilidades perigosas ou fabricando vetores de exploração inexistentes.

A Google desenvolveu o Mantis para substituir a análise passiva por uma verificação ativa e assistida por ferramentas. Em vez de depender de uma única verificação estática ou de um modelo simples de pergunta e resposta, o Mantis orquestra uma rede de agentes de IA dedicados, equipados com acesso a compiladores, depuradores e ambientes de execução. Quando uma potencial vulnerabilidade é sinalizada numa base de código, o Mantis não alerta imediatamente os engenheiros humanos. Em vez disso, os seus agentes escrevem e executam um script de ataque de prova de conceito dentro de uma sandbox isolada para testar se a vulnerabilidade pode realmente ser acionada em tempo de execução.

Se a prova de conceito não produzir um estado de execução inseguro, o Mantis filtra ou despromove o alerta, evitando interrupções desnecessárias para as equipas de desenvolvimento. Se a exploração for bem-sucedida em demonstrar uma falha genuína, o framework regista os passos exatos de reprodução e passa a tarefa a um agente de correção. Este agente secundário elabora uma correção de código-fonte concebida para selar a falha e, em seguida, executa novamente o script de exploração original e os testes unitários existentes na aplicação para garantir que a correção elimina a vulnerabilidade sem causar erros de regressão.

## Why it matters O lançamento do Mantis aborda um dos gargalos operacionais mais prementes na engenharia de software empresarial moderna: a fadiga de alertas nas operações de cibersegurança. Os repositórios de software corporativo modernos dependem fortemente de dependências open-source interligadas, que frequentemente representam entre 80 e 90 por cento da base de código total de uma aplicação final. Quando os pipelines corporativos de DevSecOps executam verificações de segurança contínuas em milhões de linhas de código, os centros de operações de segurança e as equipas de desenvolvedores são rotineiramente inundados com milhares de notificações de segurança de baixa confiança.

Quando os engenheiros são forçados a passar centenas de horas a investigar manualmente falhas de segurança fantasma, a produtividade cai, os lançamentos de produtos são adiados e a confiança dos desenvolvedores nas ferramentas de segurança automatizadas erode-se gravemente. Em casos extremos, vulnerabilidades graves e acionáveis podem ser ignoradas simplesmente por estarem enterradas sob uma montanha de avisos irrelevantes.

Ao substituir o mapeamento de padrões estatísticos pela execução empírica orientada por agentes, o Mantis oferece um framework que pode reduzir drasticamente o custo e o atrito de manter cadeias de suprimento de software seguras. Para os mantenedores de código aberto — muitos dos quais gerem infraestruturas de software globais amplamente utilizadas em regime de voluntariado —, a introdução da verificação automatizada e da geração de correções pode transformar a gestão de vulnerabilidades. Pequenas equipas de mantenedores atualmente sobrecarregadas por bots automatizados de relatórios de erros poderiam implementar estruturas de agentes para triar relatórios recebidos automaticamente, permitindo que os mantenedores humanos concentrem o seu tempo exclusivamente em decisões arquiteturais de alta prioridade e revisões de código complexas.

## The background Para compreender por que razão a Google desenvolveu o Mantis, é necessário examinar a trajetória histórica dos testes de segurança de aplicações e a mudança recente em direção a sistemas de IA baseados em agentes. Historicamente, a auditoria automatizada de software baseou-se em duas metodologias principais: Testes Estáticos de Segurança de Aplicações (SAST) e Testes Dinâmicos de Segurança de Aplicações (DAST).

As ferramentas de Testes Estáticos de Segurança de Aplicações inspecionam o código-fonte bruto e não compilado em busca de padrões sintáticos conhecidos por causar vulnerabilidades, como entradas de utilizador não validadas ou chamadas de funções criptográficas inseguras. Embora o SAST ofereça uma cobertura abrangente logo no início do ciclo de vida de desenvolvimento, a sua incapacidade de observar fluxos de dados em tempo de execução leva a taxas notoriamente elevadas de falsos positivos. Por outro lado, as ferramentas de Testes Dinâmicos de Segurança de Aplicações sondam aplicações compiladas em execução a partir do exterior para detetar vulnerabilidades acessíveis. Embora o DAST produza muito menos falsos positivos por observar o comportamento real em tempo de execução, exige ambientes de implementação complexos e frequentemente falha em alcançar caminhos lógicos condicionais profundos dentro do backend das aplicações.

Quando as empresas de tecnologia empresarial começaram a aplicar modelos de linguagem de grande porte à segurança de código entre 2022 e 2024, as primeiras implementações expuseram limites arquiteturais fundamentais. Como os LLMs funcionam como sistemas probabilísticos de conclusão de texto e não como motores de execução determinísticos, enfrentam dificuldades com o raciocínio espacial em bases de código de múltiplos ficheiros e inventam frequentemente riscos de segurança inexistentes quando confrontados com sintaxes complexas.

Para superar estes limites, a investigação em ciência da computação mudou em direção a arquiteturas de IA baseadas em agentes durante 2024 e 2025. Num framework baseado em agentes, um LLM opera dentro de um ciclo de controlo iterativo, utilizando ferramentas externas, interfaces de linha de comando, compiladores e ambientes de teste para validar o seu raciocínio interno antes de gerar uma resposta final. O lançamento do Mantis pela Google baseia-se nos seus programas de investigação em cibersegurança de longa data — incluindo a sua unidade de investigação de vulnerabilidades Project Zero e a sua infraestrutura de testes automatizados OSS-Fuzz —, aplicando ciclos de agentes diretamente ao ciclo de vida da segurança de software. Ao exigir que os agentes de IA comprovem vulnerabilidades através da execução em tempo de execução e verifiquem correções através de testes de regressão, o Mantis fundamenta os modelos de inteligência artificial num comportamento de software empírico e determinístico.

## Reaction Devido ao facto de o Mantis ter sido lançado como um projeto open-source em 6 de setembro de 2026, as avaliações formais da indústria e os estudos de caso empresariais permanecem limitados logo após o anúncio. No entanto, espera-se que mantenedores de software e profissionais de segurança de aplicações submetam o framework a rigorosos testes práticos. Em fóruns de desenvolvedores e repositórios públicos de código, engenheiros de segurança expressaram uma procura antiga por ferramentas capazes de reduzir o ruído de falsos positivos, particularmente após anos de ferramentas de relatórios automatizados a sobrecarregar os rastreadores de problemas de projetos open-source com alegações não verificadas de vulnerabilidades.

Prevê-se que as equipas empresariais de DevSecOps executem integrações de teste do Mantis em pipelines de integração contínua e implementação contínua para avaliar métricas-chave de desempenho, como o consumo de tokens do modelo, latência em tempo de execução e custos de infraestrutura. Organizações de normas do setor, incluindo a Open Source Security Foundation (OpenSSF), são também partes interessadas fundamentais que deverão acompanhar se as estruturas de verificação por agentes podem ser integradas de forma padronizada na infraestrutura pública de auditoria de software open-source para proteger infraestruturas digitais globais críticas.

## What we don't know yet Apesar dos detalhes fornecidos aquando do seu lançamento, vários parâmetros operacionais chave relativos ao Mantis permanecem não verificados nos relatórios iniciais. Atualmente, não é claro quais backends específicos de modelos de linguagem de grande porte — como os modelos Gemini da Google ou modelos de pesos abertos de terceiros — são suportados por padrão, ou que nível de ajuste fino (fine-tuning) é necessário para um desempenho otimizado em diferentes linguagens de programação.

Além disso, a cobertura pública ainda não estabeleceu dados detalhados de benchmark que comparem diretamente as taxas de redução de falsos positivos do Mantis com plataformas industriais consolidadas de SAST e DAST, como SonarQube, Snyk ou GitHub CodeQL. Os relatos iniciais também não esclarecem como o Mantis atua ao auditar sistemas distribuídos complexos, arquiteturas de microsserviços ou aplicações que exigem estados de autenticação especializados e configurações de bases de dados externas difíceis de replicar dentro de ambientes automatizados de sandbox. Por fim, analistas de cibersegurança estarão a acompanhar de perto se as capacidades automatizadas de reprodução de explorações dentro do Mantis poderiam potencialmente ser usadas como armas por agentes maliciosos que procurem acelerar a exploração ofensiva de vulnerabilidades de dia zero.

## What to watch Nos próximos meses, vários indicadores concretos determinarão a taxa de adoção e a eficácia prática do framework Mantis em toda a indústria tecnológica. Em primeiro lugar, os analistas do setor observarão o repositório oficial do Mantis no GitHub para acompanhar as contribuições da comunidade open-source, desenvolvimentos de plugins de terceiros e conetores de integração para as principais plataformas de implementação, como GitHub Actions, GitLab CI e Jenkins.

Em segundo lugar, espera-se que instituições académicas independentes e laboratórios de investigação em cibersegurança publiquem estudos comparativos formais, testando o Mantis contra conjuntos de dados de vulnerabilidades consolidados, como o OWASP Benchmark ou o NIST Juliet Test Suite, para medir as suas métricas exatas de precisão, revocação (recall) e exatidão de correções. Em terceiro lugar, observadores do setor procurarão anúncios relativos à implementação interna do Mantis na própria infraestrutura de desenvolvimento de software da Google ou à sua integração em ofertas de nuvem empresarial, como o Google Cloud Security Command Center. Por fim, grandes fundações de software open-source servirão como um indicador-chave à medida que os mantenedores decidem se aceitam oficialmente correções verificadas pelo Mantis em fluxos de trabalho de repositórios públicos.

Este relato baseia-se na reportagem original de Sergio De Simone.