Conformidade como código em dutos

Conformidade como Código: Incorporando Verificações Regulatórias em Oleodutos e Gasodutos

Antigamente, a auditoria de conformidade significava uma semana frenética de coleta de evidências: capturas de tela de consoles de configuração, exportação de planilhas com registros de acesso, redação de relatórios sobre controles que nunca foram projetados para gerar evidências legíveis por máquina. Na noite anterior à chegada do auditor, sempre havia alguém tentando conciliar alguma discrepância entre o que o documento de política dizia que deveria acontecer e o que os registros do sistema mostravam que de fato acontecia. A lacuna entre os dois, entre a postura de conformidade pretendida e a postura de conformidade demonstrada, era o risco da auditoria, e era medida em horas de conciliação manual, em vez de segundos de verificação automatizada.

Apenas 46% dos CISOs começaram a implementar a conformidade como código. Se você está nos outros 54%, este artigo é o seu guia para alcançar essa meta. A conformidade como código transforma o exercício semanal de segurança em um processo contínuo e automatizado: cada alteração no código, na configuração ou na infraestrutura passa por verificações de conformidade antes de chegar à produção, e cada verificação gera evidências estruturadas que ficam instantaneamente disponíveis para os auditores, sem necessidade de coleta manual. O benefício organizacional vai além da preparação para auditorias: incorporar verificações de conformidade nos pipelines significa que os problemas de conformidade são detectados quando são mais baratos de corrigir, durante o desenvolvimento, em vez de quando são mais caros, após uma constatação regulatória ou um incidente em produção.

Para organizações com aplicações modernas nativas da nuvem, as ferramentas para conformidade como código são maduras e bem documentadas. Para organizações cujas cargas de trabalho mais sensíveis à conformidade são executadas em mainframes COBOL, o que descreve a maioria dos grandes bancos, seguradoras e agências governamentais, o desafio é substancialmente mais complexo do que o manual padrão de conformidade como código aborda.

Rastreamento de auditoria para promoções antigas

SMART TS XL Verifica se os programas que implementam cálculos regulamentados permanecem estruturalmente consistentes com a especificação aprovada.

SAIBA MAIS…

O que significa "Conformidade como Código" e o que não significa.

A conformidade como código é a prática de expressar requisitos de conformidade como código executável, políticas legíveis por máquina, regras e testes que são executados automaticamente como parte do processo de entrega de software. A verificação de conformidade não é uma etapa manual realizada por um revisor humano antes da implantação; trata-se de um mecanismo automatizado que é executado sem intervenção humana, produz um resultado de aprovado/reprovado e gera evidências estruturadas da verificação.

Em vez de planilhas manuais que falham ao menor sinal de erro e auditorias reativas que ocorrem após o surgimento de problemas, você obtém verificações de conformidade automatizadas integradas diretamente ao seu pipeline de CI/CD. Seu código é testado quanto à conformidade da mesma forma que é testado quanto a bugs: continuamente, automaticamente e antes mesmo de chegar à produção.

O que a conformidade como código não é: não é um exercício de documentação, não é uma plataforma de gestão de políticas e não é uma ferramenta de GRC que armazena evidências posteriormente. A característica definidora é que a verificação de conformidade é executada no pipeline, faz parte do processo de entrega, e não é uma camada adicional. Uma ferramenta que gera relatórios de conformidade a partir de logs do sistema após a implantação não é conformidade como código. Um mecanismo de controle no pipeline de CI/CD que bloqueia a implantação quando uma regra de conformidade é violada, sim.

Três propriedades distinguem um programa de conformidade como código maduro de uma implementação parcial:

Contínuo, não periódico. As verificações de conformidade são executadas a cada alteração, não trimestralmente ou anualmente. O nível de conformidade do sistema é conhecido a cada commit, não apenas na última auditoria.

Prevenção, não detecção. As violações de conformidade são identificadas antes de chegarem à produção, e não detectadas após uma auditoria ou incidente. O sistema bloqueia a alteração não conforme; a equipe de conformidade não a investiga posteriormente.

Comprovado, não apenas afirmado. A verificação de conformidade gera evidências legíveis por máquina, um registro estruturado do que foi verificado, quando, com qual resultado e por qual versão da política. O auditor consulta o repositório de evidências; ele não recebe uma declaração por escrito de que os controles foram seguidos.

Os quatro tipos de verificações de conformidade em dutos

A conformidade como código abrange quatro categorias distintas de verificações, cada uma exigindo diferentes padrões de implementação:

Tipo 1: Verificações de política de segurança

Análise estática de código, detecção de segredos, varredura de vulnerabilidades e regras SAST que impõem políticas de segurança como condição para a implantação. Essas são as verificações de conformidade como código mais maduras. Semgrep, SonarQube, Snyk, Checkov e ferramentas similares estão integradas a pipelines de CI/CD há anos. Uma regra do Semgrep que bloqueia commits contendo credenciais embutidas no código é uma implementação de conformidade como código da política de segurança "sem segredos embutidos no código".

Estruturas regulatórias abordadas: SOC 2 (CC6.1-CC6.8 acesso lógico), PCI-DSS 4.0 (requisito 6.3 testes de segurança), ISO 27001 (A.14 desenvolvimento seguro).

Tipo 2: Verificações de política de infraestrutura como código

As regras do OPA (Open Policy Agent), Checkov e tfsec validam os manifestos do Terraform, CloudFormation e Kubernetes em relação aos padrões de segurança e conformidade antes do provisionamento da infraestrutura. Uma política do Rego que bloqueia configurações do Terraform com buckets S3 públicos é uma implementação de conformidade como código da política "sem buckets de armazenamento público". Essas verificações são executadas na definição da infraestrutura antes da implantação, e não na infraestrutura em execução posteriormente.

Estruturas regulatórias abordadas: CIS Benchmarks, NIST 800-53, SOC 2 (CC6.6 acesso lógico à rede), controles FedRAMP para ambientes de nuvem.

Tipo 3: Governança de dados e verificações de privacidade

Verificações automatizadas que aplicam políticas de tratamento de dados no nível do código: verificando se os esquemas de banco de dados não introduzem novas colunas de informações pessoais identificáveis ​​(PII) sem a classificação apropriada, se os endpoints da API que expõem dados pessoais exigem autenticação e se a lógica de retenção de dados corresponde à política de retenção documentada. Essas verificações são menos maduras na maioria dos programas de conformidade; as ferramentas existem (Great Expectations, testes dbt, regras Semgrep personalizadas), mas as definições de política raramente são expressas em formato legível por máquina.

Marcos regulatórios abordados: Artigo 25 do GDPR (proteção de dados desde a concepção), Regra de Segurança do HIPAA, CCPA, PCI-DSS 4.0 (requisito 3 de proteção de dados do titular do cartão).

Tipo 4: Controle de alterações e verificações de segregação de funções

Verificação automatizada de que o próprio processo de implantação está em conformidade com os requisitos de controle de alterações: que a identidade de implantação não é a mesma que a identidade de autoria (separação de funções), que as aprovações necessárias foram obtidas antes da implantação, que os prazos de implantação foram respeitados e que a capacidade de reversão existe e está documentada. Essas verificações são executadas na etapa de implantação, e não na etapa de análise de código.

Marcos regulatórios abordados: SOX ITGC (controles de gerenciamento de mudanças), resiliência operacional DORA, gerenciamento de mudanças ISO 20000.

Por que apenas 46% começaram: as verdadeiras barreiras

A taxa de adoção de 46% para conformidade como código é inferior ao que a taxa de conhecimento sugeriria. O conceito é amplamente compreendido; a implementação é onde as organizações encontram dificuldades. Três barreiras explicam a maior parte dessa lacuna:

Dificuldade de tradução de políticas. Os requisitos regulatórios são escritos em linguagem natural para interpretação humana. Convertê-los em regras executáveis ​​por máquina exige tanto conhecimento regulatório (para interpretar o requisito corretamente) quanto conhecimento técnico (para expressar a interpretação como código). A interseção dessas duas habilidades é rara. Um requisito do SOC 2 que estabelece que “o acesso aos sistemas de produção é limitado a pessoal autorizado” requer uma interpretação específica (qual sistema, qual pessoal, o que constitui acesso, qual evidência de autorização) antes de poder ser expresso como uma regra de controle. Uma interpretação incorreta resulta em uma verificação de conformidade que é aprovada mesmo quando o controle subjacente é violado, o que é pior do que nenhuma verificação.

Fragmentação de ferramentas em todo o portfólio. Um programa de conformidade que abrange infraestrutura em nuvem (Terraform + OPA), código de aplicativos (Semgrep + SonarQube), imagens de contêiner (Trivy + Cosign) e pipelines de dados (Great Expectations) precisa coordenar evidências em quatro ecossistemas de ferramentas diferentes, cada um com formatos de saída, esquemas de evidência e modos de falha distintos. A agregação dessas evidências em uma trilha de auditoria unificada exige um trabalho de integração que muitas organizações ainda não realizaram.

Exclusão de sistemas legados. A implementação padrão de conformidade como código pressupõe um pipeline de entrega de aplicações moderno: repositório Git, plataforma CI/CD, registro de contêineres e destino de implantação na nuvem. Programas COBOL em mainframes não se encaixam nesse modelo. O "pipeline" para uma alteração em um programa de mainframe é: editar o código-fonte em um PDS (Conjunto de Dados Particionado), submeter um JCL compilado, promover o módulo de carregamento compilado para uma biblioteca de teste, executar UAT em lote e promover para produção. Não há fluxo de trabalho do GitHub Actions, imagem Docker ou implantação do Kubernetes. As ferramentas padrão de conformidade como código não possuem mecanismos para adicionar verificações de conformidade a esse processo.

Organizações com cargas de trabalho em mainframe enfrentam uma escolha: implementar a conformidade como código para a pilha tecnológica moderna e aceitar que o código mais sensível à conformidade, os programas COBOL que implementam cálculos regulatórios, permaneça fora da estrutura de conformidade automatizada; ou resolver o problema de inclusão do mainframe antes de reivindicar cobertura total de conformidade como código.

Integração de Pipelines: A Arquitetura Moderna

Para aplicações modernas, a integração de conformidade como código segue um padrão bem estabelecido:

yaml

# GitHub Actions: compliance gate pipeline
name: Compliance Gates

on:
  pull_request:
  push:
    branches: [main]

jobs:
  security-compliance:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0

      - name: Secret detection (SOC 2 CC6.1)
        uses: trufflesecurity/trufflehog@main
        with:
          extra_args: --only-verified

      - name: SAST scan (PCI-DSS 6.3)
        uses: semgrep/semgrep-action@v1
        with:
          config: >-
            p/owasp-top-ten
            p/secrets
            p/security-audit

      - name: Dependency vulnerability scan (PCI-DSS 6.3.3)
        run: |
          npm audit --audit-level=high
          # Fail if high or critical CVEs present

  iac-compliance:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Terraform policy check (CIS + NIST 800-53)
        uses: bridgecrewio/checkov-action@master
        with:
          framework: terraform
          check: CKV_AWS_20,CKV_AWS_57  # no public S3, encrypted at rest

  evidence-collection:
    needs: [security-compliance, iac-compliance]
    runs-on: ubuntu-latest
    steps:
      - name: Generate compliance attestation
        run: |
          cat > compliance-evidence.json << EOF
          {
            "run_id": "${{ github.run_id }}",
            "commit": "${{ github.sha }}",
            "timestamp": "$(date -u +%Y-%m-%dT%H:%M:%SZ)",
            "checks": {
              "secret_detection": "passed",
              "sast": "passed",
              "dependency_scan": "passed",
              "iac_policy": "passed"
            },
            "policy_version": "v2.3.1",
            "auditable": true
          }
          EOF

      - name: Sign attestation (SLSA provenance)
        uses: sigstore/cosign-installer@v3
        # Cryptographically signs the evidence artifact

A camada de política OPA adiciona a aplicação de regras declarativas sobre os gates do pipeline:

rego

# OPA Rego policy: enforce separation of duties
# Blocks deployment when author and approver are the same identity

package deployment.compliance

deny[msg] {
    input.deployment.approved_by == input.deployment.authored_by
    msg := sprintf(
        "Separation of duties violation: %v cannot approve their own deployment",

[input.deployment.authored_by]

) } negar[msg] { count(input.deployment.approvals) < 2 input.deployment.environment == “production” msg := “Implantações em produção requerem pelo menos 2 aprovações” } negar[msg] { not input.deployment.change_ticket msg := “Implantações em produção requerem um ticket de mudança vinculado” }

A estrutura trata a conformidade como uma propriedade de sistema computável de primeira classe, combinando políticas declarativas como código, coleta padronizada de evidências e atestados criptograficamente verificáveis. Fundamental para a abordagem é um Data Lakehouse de Conformidade que transforma artefatos heterogêneos de pipelines em um produto de dados de conformidade consultável e indexado por tempo, permitindo a geração de evidências prontas para auditoria e a garantia contínua.

O Desafio dos Sistemas Legados: COBOL e o Pipeline do Mainframe

O fluxo de trabalho do GitHub Actions acima pressupõe o uso de Git, contêineres e um destino de implantação na nuvem. Nenhum desses elementos existe no fluxo de trabalho padrão de gerenciamento de mudanças em mainframe. Os mecanismos de verificação de conformidade que são acionados a cada solicitação de pull para um microsserviço Java não possuem equivalente nativo para um programa COBOL promovido por meio do sistema de gerenciamento de mudanças do Azure/OS.

O equivalente em mainframe de um ponto de conformidade de CI/CD requer uma arquitetura diferente:

Análise estática pré-promoção. Antes que um membro de código-fonte COBOL seja promovido da biblioteca de desenvolvimento para a biblioteca de testes, uma etapa de análise estática é executada no código-fonte atualizado. Essa etapa pode ser acionada pelo sistema de gerenciamento de alterações (IBM UrbanCode Deploy, Compuware ISPW, Broadcom ISPW) como um mecanismo de pré-promoção. A análise estática verifica padrões relevantes para a conformidade: credenciais embutidas no WORKING-STORAGE, acesso a arquivos desprotegido sem verificação do FILE STATUS e rotinas de cálculo que ignoram o caminho de cálculo autorizado.

Validação do controle de alterações do JCL. As alterações no JCL não são código no mesmo sentido que a lógica de aplicação, mas têm implicações de conformidade: uma alteração no JCL que adiciona uma nova instrução DD, concedendo a um job em lote acesso a um conjunto de dados ao qual ele não deveria ter acesso, constitui uma violação de conformidade. A análise estática da alteração no JCL, verificando o novo acesso ao conjunto de dados em relação à lista de acesso autorizado, é um requisito de conformidade para a implantação no mainframe.

Análise de impacto como verificação de conformidade para alterações entre diferentes programas. Quando uma alteração em um copybook COBOL compartilhado afeta dezenas de programas simultaneamente, a questão de conformidade é: o impacto dessa alteração foi avaliado e aprovado? A análise de impacto, que identifica todos os programas que incluem o copybook alterado, é em si uma verificação de conformidade. Uma alteração aprovada para um programa, mas não avaliada para suas quarenta e três dependências transitivas, não concluiu o processo de controle de alterações exigido.

cobol

      *> Compliance-relevant pattern in COBOL: hardcoded credential
      *> Should be flagged by static analysis compliance gate
       WORKING-STORAGE SECTION.
       01  DB-CONNECTION.
           05  DB-HOST    PIC X(50) VALUE 'prod-db.internal.corp'.
           05  DB-USER    PIC X(20) VALUE 'svcaccount'.
           05  DB-PASS    PIC X(20) VALUE 'P@ssw0rd2019!'.
           *> ^ This is a compliance violation: hardcoded credential
           *> A compliance gate should catch this before promotion

O Problema do Código Regulatório: Quando o COBOL é o Controle de Conformidade

A abordagem padrão de conformidade como código trata a conformidade como uma propriedade de como o código é implementado: a verificação correta foi executada? A aprovação correta foi obtida? A política correta foi aplicada? Para organizações que executam cálculos regulatórios em COBOL, essa abordagem é incompleta. O próprio código COBOL é o controle de conformidade.

Um banco que calcula o capital regulatório sob o Acordo de Basileia III usando um programa COBOL não está usando COBOL para implantar um aplicativo que tenha requisitos de conformidade. O programa COBOL é o requisito de conformidade. O cálculo que ele realiza é a obrigação regulatória. Se o programa COBOL contém um erro lógico no cálculo do capital, uma condição incorreta em um ramo EVALUATE ou um caso extremo ausente no modelo de perda dado o inadimplemento, esse erro representa uma falha de conformidade regulatória, e não um problema de qualidade do software.

O processamento de transações, a lógica de liquidação, as verificações de conformidade e o tratamento de exceções frequentemente evoluem diretamente dentro desses sistemas à medida que os produtos, as regulamentações e as condições de mercado mudam. Essa lógica acumulada torna as plataformas legadas excepcionalmente valiosas. Isso também explica por que os esforços de modernização começam com a compreensão de como os sistemas existentes se comportam antes de decidir como transformá-los.

Para esses sistemas, conformidade como código significa algo mais fundamental do que simples etapas de controle: significa verificação estrutural contínua de que os programas que implementam os cálculos regulatórios correspondem à especificação regulatória. Essa verificação requer:

Análise do impacto das alterações. Toda alteração em um programa que implementa um cálculo regulatório deve ser avaliada para determinar se afeta o resultado regulamentado. Uma alteração em uma rotina de exibição que não afeta o caminho de cálculo tem implicações de conformidade diferentes de uma alteração na instrução COMPUTE que produz o valor do capital regulatório. A análise estática que distingue alterações no caminho de cálculo de alterações fora desse caminho é a base dessa análise.

Validação de equivalência comportamental. Quando um programa de cálculo regulatório é modificado para se adequar a uma atualização regulatória, corrigir um defeito ou melhorar o desempenho, o programa modificado deve produzir resultados equivalentes aos do programa original para todas as combinações de entrada que o órgão regulador possa examinar. A geração automatizada de testes a partir de pares de entrada/saída de produção existentes é a abordagem de conformidade como código para a validação de equivalência comportamental.

Notificação de alteração de dependência. Um copybook COBOL compartilhado que define as estruturas de dados usadas por um programa de cálculo regulatório é um artefato de conformidade. Qualquer alteração nesse copybook representa uma alteração no modelo de dados do cálculo regulatório. O requisito de conformidade para alterações no copybook que afetam programas regulatórios exige uma análise de impacto antes da aprovação da alteração, e não depois que ela já tiver sido implementada em produção e o cálculo já tiver sido executado com o modelo de dados modificado.

Construindo o rastro de evidências

As evidências produzidas pela conformidade como código devem atender ao mesmo padrão das evidências produzidas por processos manuais de conformidade, mas devem fazê-lo de forma automática, contínua e sem intervenção humana. O rastro de evidências para uma auditoria de conformidade possui cinco propriedades obrigatórias:

PropriedadeExigênciaImplementação
plenitudeTodos os eventos relevantes para a conformidade são registrados.Os controles de segurança são executados em todas as implementações; não há exceções sem aceitação de risco documentada.
PrecisãoAs evidências representam corretamente o que foi verificado.Saída de portão legível por máquina, não resumos escritos por humanos.
IntegridadeAs evidências não podem ser alteradas após sua criação.Assinatura criptográfica (Cosign), armazenamento imutável (log de auditoria somente para anexação)
oportunidadeAs evidências são coletadas no momento do evento.Gerado pelo pipeline em tempo de execução, com registro de data e hora pelo sistema de CI.
Capacidade de consultaOs auditores podem obter provas específicas mediante solicitação.Repositório de evidências indexadas com capacidade de consulta; sem necessidade de busca manual de evidências.

A geração de SBOM, a proveniência alinhada ao SLSA e a atestação devem ocorrer à medida que o código avança pelo pipeline, e não por meio de auditorias manuais. As implicações de conformidade e governança para DevOps incluem: Atestações, declarações formais sobre processos de compilação, dependências e proveniência integradas aos pipelines; e Assinatura de artefatos, que verifica criptograficamente a integridade das saídas de compilação.

Para sistemas mainframe legados, o registro de evidências tem um requisito adicional: as evidências devem abranger o evento de promoção do mainframe, e não apenas a implantação moderna. Uma auditoria de conformidade que apresente evidências de gates automatizados para cada implantação de microsserviços Java, mas não apresente evidências automatizadas para promoções de programas COBOL, possui uma lacuna de cobertura que será identificada pelo auditor.

Como SMART TS XL Suporta a Conformidade como Código em Ambientes Legados

SMART TS XL Fornece a base de análise estática que torna possível a conformidade como código para a camada COBOL e JCL, onde as ferramentas padrão de conformidade CI/CD não conseguem chegar.

A funcionalidade de análise estática de código examina programas COBOL em busca de padrões relevantes para a conformidade antes de qualquer promoção: credenciais codificadas em WORKING-STORAGE, declarações FILE STATUS que nunca são verificadas (uma lacuna de conformidade para o tratamento de erros), acesso desprotegido a conjuntos de dados sensíveis e rotinas de cálculo que se desviam do padrão algorítmico aprovado. Essas descobertas são o resultado do controle de conformidade para alterações em COBOL, o equivalente às descobertas do Semgrep para Java, expressas como resultados estruturados que podem ser incluídos no histórico de evidências.

O mapeamento de dependências de aplicativos permite a verificação de conformidade por meio da análise de impacto: antes que qualquer alteração no copybook seja aprovada, o mapa de dependências enumera todos os programas que incluem o copybook, e cada programa de cálculo regulatório entre eles é sinalizado como exigindo revisão de conformidade adicional. Trata-se de uma avaliação automatizada do impacto da alteração, o mecanismo de conformidade que garante que os programas regulamentados não sejam afetados por alterações aprovadas para um contexto não regulamentado.

A funcionalidade de análise de impacto gera o escopo de impacto estruturado que os fluxos de trabalho de conformidade exigem: não apenas "este guia é usado por 47 programas", mas "desses 47 programas, 12 estão no caminho de cálculo regulatório e exigem aprovação de conformidade antes que esta alteração possa ser implementada". Essa avaliação de impacto com escopo definido é a evidência de que o requisito de conformidade com o controle de mudanças foi atendido.

A funcionalidade de busca corporativa permite consultar as evidências de conformidade para auxiliar nas respostas a auditorias: encontre todos os programas que foram alterados em um período específico, todas as alterações que afetaram um programa de cálculo regulatório, todas as modificações de JCL que adicionaram acesso a um conjunto de dados sensível à conformidade. Essa funcionalidade de consulta constitui o registro de auditoria das alterações em sistemas legados, a evidência de que o requisito de conformidade com o controle de mudanças foi atendido continuamente, e não apenas no último instante.

Para organizações que realizam modernização legada programas, SMART TS XLA análise de conformidade da [nome da empresa] fornece a linha de base de conformidade pré-migração: os programas que implementam cálculos regulatórios, as estruturas de dados das quais dependem e o histórico de alterações que demonstra a conformidade contínua durante o processo de modernização.

A conformidade é um problema de engenharia, não de documentação.

O custo organizacional de tratar a conformidade como um problema de documentação, coletando evidências após o ocorrido, conciliando documentos de políticas com registros de sistemas e preparando pacotes de auditoria sob pressão de prazos, é mensurável em horas de engenharia desperdiçadas, horas extras da equipe de conformidade e o risco contínuo de uma constatação que poderia ter sido evitada por uma barreira que nunca existiu.

A conformidade como código oferece uma solução para o problema do GRC manual e reativo. Ela proporciona prontidão contínua para auditorias com sobrecarga mínima, maior velocidade de lançamento e permite que os desenvolvedores finalmente se concentrem na criação de sistemas melhores em vez de preencher formulários.

O desafio de engenharia da conformidade como código não é primordialmente técnico. As ferramentas existem para todas as pilhas de aplicações modernas e estão sendo aprimoradas rapidamente. O desafio reside na tradução de políticas, na conversão de requisitos regulatórios em regras executáveis ​​e na extensão da cobertura, incluindo os sistemas legados onde reside o código mais sensível à conformidade.

Para organizações que executam cálculos regulatórios em COBOL, a conformidade como código só estará completa quando o pipeline de promoção em COBOL tiver a mesma cobertura de etapas automatizadas que o pipeline de implantação em Java. A verificação de conformidade executada às 2h da manhã, quando o job em lote é promovido para produção, vale mais do que a coleta de evidências realizada às 10h da manhã anterior à chegada do auditor.