Staff / Principal Architect · Engineering Manager · Cibersegurança · AI Engineering
Arquitetura, segurança e confiabilidade em fintech e banking sob regulação. 18 anos em tecnologia, 9 deles em cibersegurança. O que está aqui roda com um comando, em máquina limpa, sem chave de API e sem conta em nuvem.
|
Base |
Setores |
Todo repositório |
✡︎ אֱמֶת
emet, verdade. O que um sistema diz quando ninguém está olhando.
Histórico de incidente virando decisão de triagem. Minera padrão recorrente em postmortem e devolve a árvore de decisão que um plantonista usa às 3h da manhã. Baseline determinístico primeiro, modelo depois, e só se a medição mostrar ganho.
Na base de referência, 8 padrões explicam 90% de 20 incidentes, com triagem em 15 ms e profundidade de árvore 4.
Escala de plantão que respeita calendário hebraico sem penalizar ninguém. As fronteiras de turno saem de zmanim astronômicos calculados na hora, não de tabela chumbada. O allocator reparte carga ponderada entre quem observa e quem não, e prova a justiça com métrica.
Numa escala de 92 dias, índice de justiça de Jain 0,9998, spread de carga 1,0 e nenhuma violação de restrição. Calendário hebraico e zmanim implementados do zero, com zero dependência de runtime.
Governança de acesso que nomeia a procedência de cada achado. SoD, privilege reachability cross-account, ciclo JML e recertification sobre dataset sintético multi-conta. Cada violação diz quais dois entitlements colidem e qual cadeia de grupo os trouxe. Cada escalonamento imprime o caminho inteiro, aresta por aresta.
No dataset sintético, 37 violações de SoD em 4 severidades, 12 caminhos de escalonamento cross-account e 9 alvos sensíveis alcançáveis. Dashboard interativo, editor de cenário e restore em um clique, com demo no ar. CI com Semgrep, CodeQL e pip-audit.
Framework de governança virando controle executável. ITIL 4 e COBIT 2019 normalmente rendem documento de aderência. Aqui cada exigência é uma função pura que lê inventário de observabilidade e devolve verdict, com a evidência crua que sustentou a conclusão anexada.
30 controles, 16 deles obrigatórios, cobrindo 7 práticas ITIL e 9 objetivos COBIT. Um único MUST reprovado trava a prática no nível 1 e o controle responsável é nomeado, em vez de diluído numa média que esconde o problema. SKIP nunca conta como PASS, e todo waiver exige dono e validade. Dashboard com editor de cenário e demo no ar, sem dependência de runtime nem build step. Release com SBOM e atestação de proveniência.
Em construção, cada um ligado a uma competência específica
| Projeto | Domínio | O que resolve |
|---|---|---|
llm-eval-gate |
LLMOps e guardrail | Gate de CI que reprova o PR quando a qualidade da saída do LLM regride. Spec executável, variância entre execuções, orçamento de custo e latência, comparação contra baseline determinístico |
ledger-forensics |
Criptografia aplicada e PKI | Detecção de fraude em escrituração com ground truth injetado, cadeia de hash tamper-evident, validação de XMLDSig e Autoridade Certificadora de teste própria |
dora-lens |
Gestão de engenharia com dado | As quatro métricas DORA direto da API do GitHub, com cada definição e cada caso de borda escritos, para o número significar a mesma coisa em toda leitura |
bulk-ingest-lab |
Performance em stack legada | Ingestão monolítica virando streaming com chunking transacional, medida em JMH e com gate de regressão de memória |
Todo repositório nasce com a mesma esteira, e ela é bloqueante. A cobertura tem ratchet, ou seja, só sobe. CodeQL bloqueia merge.
flowchart LR
A["Sanitização de segredo"] --> B["Lint e format"]
B --> C["Teste em matriz de versão"]
C --> D["Cobertura com ratchet"]
D --> E["SAST Semgrep"]
E --> F["CodeQL bloqueante"]
F --> G["SCA de dependência"]
G --> H["Quality gate SonarQube"]
H --> I["SBOM"]
I --> J["Atestação de proveniência"]
J --> K["Merge liberado"]
| Frente | Resultado |
|---|---|
| Pagamentos PagoNxt / Santander |
Sucesso transacional de 65% para 92% em 8 meses · MTTR de 2h40 para 18 min · falhas críticas -60% |
| Engenharia e DORA Luby |
Cobertura de teste 0 para 82% em 3 meses · lead time 14 dias para 2 · cycle time 5 dias para 8h · change failure rate 25% para 5% |
| IAM e IGA Creditas |
-45% em acesso acima do necessário · provisionamento de dias para horas (-60%) · -28% em incidente de autenticação e permissão |
| Segurança em banking Itaú Unibanco |
-42% em privilégio excessivo · remoção de acesso de 5 dias para menos de 48h · -33% no esforço de auditoria BACEN e LGPD |
| Mobile em escala LATAM Mercado Pago |
Falhas críticas -55% · MTTR -60% · incidente em produção -40%, em 4 países |
| FinOps e arquitetura Compass UOL |
Custo de cloud -20% a -35% mantendo alta disponibilidade |
O contexto de cada frente está no LinkedIn.
Cada mapa abaixo é uma frente que eu opero. Estão como diagrama e não como lista porque a relação entre os elementos é parte da competência.
flowchart TD
ID["Identidade e acesso"] --> IGA["IAM e IGA em SailPoint"]
ID --> SSO["SSO com SAML, OAuth 2.0 e OIDC"]
ID --> PAM["PAM para acesso privilegiado"]
IGA --> JML["Ciclo JML: joiner, mover, leaver"]
IGA --> MODELO["Modelo de autorização"]
MODELO --> RBAC["RBAC por grupo"]
MODELO --> ABAC["ABAC por atributo"]
IGA --> REV["Access review e recertificação"]
REV --> SOD["Segregação de funções e SoD"]
APP["AppSec e DevSecOps"] --> TM["Threat modeling"]
APP --> SSDLC["SSDLC com gate de merge"]
SSDLC --> SAST["SAST"]
SSDLC --> DAST["DAST"]
SSDLC --> SCA["SCA"]
APP --> ZT["Zero Trust"]
APP --> CRIPTO["TLS 1.3, mTLS e certificate pinning"]
CONF["Conformidade regulada"] --> N1["ISO 27001 e PCI-DSS"]
CONF --> N2["LGPD e NIST CSF"]
CONF --> N3["BACEN, COBIT e ITIL"]
flowchart LR
IN["Entrada do usuário"] --> GUARD["Guardrail de entrada"]
GUARD -->|"bloqueia prompt injection"| NEG["Recusa registrada"]
GUARD --> RAG["RAG sobre base própria"]
RAG --> AG["Agente com orquestração auditável"]
AG --> MCP["MCP federando ferramenta"]
AG --> BASE["Baseline determinístico"]
BASE --> CMP["Comparação contra baseline"]
CMP --> HUM["Gate humano"]
HUM --> LED["Ledger de decisão"]
LED --> OPS["LLMOps e MLOps: custo, latência e variância"]
OPS --> EVAL["Gate de regressão de qualidade"]
AG --> PROV["Provedor de modelo"]
PROV --> BR["AWS Bedrock"]
PROV --> OA["OpenAI"]
PROV --> AN["Anthropic"]
AG --> ORQ["Orquestração"]
ORQ --> LC["LangChain"]
ORQ --> N8["n8n"]
ORQ --> SPEC["Spec-driven development"]
flowchart LR
subgraph OBS["Confiabilidade e observabilidade"]
SLI["SLI e SLO"] --> INC["Incident response"]
INC --> PM["Postmortem e MTTR"]
PM --> DORA["Métricas DORA"]
DD["Datadog: APM, log e métrica"] --> SLI
end
subgraph INFRA["Infraestrutura"]
AWS["AWS"] --- AZ["Azure"]
K8S["Kubernetes e Docker"] --> TF["Terraform"]
TF --> GHA["GitHub Actions"]
end
subgraph DEP["Entrega"]
CAN["Deploy canary"] --> BG["Blue-green"]
BG --> RB["Rollback"]
end
INFRA --> DEP
DEP --> OBS
flowchart TD
ARQ["Arquitetura de software"] --> LIMPA["Clean Architecture e Hexagonal"]
ARQ --> DOM["DDD e SOLID"]
ARQ --> DIST["Microsserviços e event-driven"]
LIMPA --> STACK["Java e Java EE, Kotlin, Spring, Python"]
DIST --> STACK
STACK --> MOB["Mobile nativo Android e iOS"]
GEST["Engenharia de gestão"] --> TIME["Time de 10 a 15 pessoas"]
GEST --> MET["OKR e DORA reportados a C-Level"]
GEST --> PES["1:1, PDI e trilha de carreira"]
GEST --> QUAL["Recrutamento e code review"]
Quatro decisões aparecem em tudo que eu entrego, e são o que eu levo para um time.
|
Baseline determinístico antes de qualquer IA Primeiro a solução explicável, depois a medição de quanto o modelo agrega sobre ela. Nessa ordem. Num incidente às 3h da manhã, o que serve é uma conclusão com a qual se pode discutir, não um score no qual se precisa acreditar. |
Ground truth plantado de propósito Os geradores de dado sintético injetam o problema que a detecção precisa achar, e é isso que torna precisão e recall calculáveis em vez de estimados. |
|
Escopo declarado antes da conclusão O que o modelo não avalia fica escrito acima do resultado. Limite conhecido é engenharia, limite implícito é armadilha para quem lê depois. |
Segurança como propriedade da arquitetura Não etapa, não checklist, não gate no fim da esteira. Quando ela só aparece antes do deploy, o custo de mudar já está travado. |
Hoje, Engineering Staff, AI Engineering Lead, SRE e Cibersegurança na Luby. Fábrica de software com agentes de IA auditáveis, spec-driven development, guardrail por hook, MCP federando ferramentas, RAG e LLMOps. Threat modeling voltado a LLM: prompt injection, data leakage, exfiltração.
Antes: Creditas · Compass UOL · PicPay · PagoNxt (Santander) · Mercado Pago · Itaú Unibanco · Foursys · Soluti (Autoridade Certificadora).
Da camada física à governança. Comecei em suporte N1, N2 e N3 em telecom, passei por gestão de infraestrutura on-premise, desenvolvimento backend, mobile Android e iOS, e entrei em cibersegurança numa Autoridade Certificadora, onde confiança, criptografia e conformidade são o produto. Camada por camada, do hardware ao código à governança. É daí que vem a leitura de ponta a ponta.
|
Formação Cambridge AI Leadership Programme Pós-graduação em Cibersegurança e Governança de Dados MBA em IA, Data Science e Big Data Especialização em Gestão de Engenharia Bacharelado em Sistemas de Informação |
Certificações AWS Certified AI Practitioner Oracle Certified Java Programmer ITIL v3 Foundation EXIN ISO/IEC 27002 COBIT |
✡︎ בְּעֶזְרַת הַשֵּׁם
Brasil, SP e GO · julianovincedecampos.com · LinkedIn · Perfil anterior: @JulianoVince


