Skip to content
View JulianoVinceCampos's full-sized avatar
✡️
אֱמֶת emet, Verdade. O que um sistema precisa dizer quando ninguém está olhando
✡️
אֱמֶת emet, Verdade. O que um sistema precisa dizer quando ninguém está olhando

Block or report JulianoVinceCampos

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Content in all repositories owned by your account will be closed.
Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. Markdown is supported. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
julianoVinceCampos/README.md

Juliano Vince de Campos

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.

Bio profissional de Juliano Vince de Campos LinkedIn de Juliano Vince de Campos, arquiteto de software e cibersegurança

Base
Brasil · Brasília · São Paulo · Goiás

Setores
Banking · fintech · pagamentos e POS · marketplace · Autoridade Certificadora e certificação digital · varejo · telecom · governança de TI e ITSM · tributação fiscal

Todo repositório
Commit assinado, histórico linear

✡︎ אֱמֶת
emet, verdade. O que um sistema diz quando ninguém está olhando.


Projetos em destaque

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.

Status do pipeline de integracao continua do postmortem-miner Data do ultimo commit no postmortem-miner Commits por ano no repositorio postmortem-miner

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.

Status do pipeline de integracao continua do shomer-oncall Data do ultimo commit no shomer-oncall Commits por ano no repositorio shomer-oncall

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.

Status do pipeline de integracao continua do iam-governance-lab-web Data do ultimo commit no iam-governance-lab-web Commits por ano no repositorio iam-governance-lab-web

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.

Status do pipeline de integracao continua do observability-governance-lab Data do ultimo commit no observability-governance-lab Commits por ano no repositorio observability-governance-lab

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

O padrão de engenharia

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"]
Loading

Impacto em produção

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.


Domínios técnicos

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.

Cibersegurança e identidade

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"]
Loading

IA aplicada, com guardrail e medição

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"]
Loading

Plataforma e confiabilidade

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
Loading

Arquitetura e engenharia de gestão

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"]
Loading

Como eu construo

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.


Trajetória

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 e certificações

Formação

Cambridge AI Leadership Programme
University of Cambridge, 2026

Pós-graduação em Cibersegurança e Governança de Dados
PUC Minas

MBA em IA, Data Science e Big Data
PUC-RS

Especialização em Gestão de Engenharia
PUC Minas

Bacharelado em Sistemas de Informação
PUC Goiás

Certificações

AWS Certified AI Practitioner
Fundamentos de IA e serviços gerenciados em AWS

Oracle Certified Java Programmer
Linguagem Java e plataforma JVM

ITIL v3 Foundation
Gerenciamento de serviço de TI

EXIN ISO/IEC 27002
Controles de segurança da informação

COBIT
Governança e auditoria de TI


✡︎ בְּעֶזְרַת הַשֵּׁם
Brasil, SP e GO · julianovincedecampos.com · LinkedIn · Perfil anterior: @JulianoVince

Pinned Loading

  1. netaudit netaudit Public

    NetAudit é um scanner de portas e serviços orientado a auditoria de segurança, desenvolvido em Python com foco em: funcionalidade real e prática, fácil de rodar em qualquer ambiente Python; uso seg…

    Python

  2. product-catalog-api product-catalog-api Public

    API de Catálogo de Produtos nível enterprise desenvolvida com Laravel 10 (PHP 8.2), baseada em arquitetura limpa e pronta para produção. Inclui CRUD com soft delete, busca full-text com Elasticsear…

    PHP

  3. product-catalog product-catalog Public

    API de Catálogo de Produtos em Java (Spring Boot), com arquitetura em camadas (controller/service/repository), DTOs/mappers e stack pronta para rodar em Docker (Dockerfile + docker-compose). Inclui…

    Java

  4. iam-governance-lab-web iam-governance-lab-web Public

    Lab de governança IAM/IGA: SoD, privilege reachability cross-account, JML e recertification. Dashboard web interativo, editor de dados em banco e restore em um clique. FastAPI + NetworkX + SQLAlche…

    Python

  5. postmortem-miner postmortem-miner Public

    Turns a pile of postmortems into a triage decision tree and candidate SLIs. Deterministic, explainable, zero runtime dependencies.

    Python

  6. shomer-oncall shomer-oncall Public

    Rotacao de plantao (on-call) ciente do calendario hebraico: boundaries de Shabbat/Yom Tov calculados astronomicamente e divisao comprovadamente justa da carga. Zero dependencias de runtime.

    Python