Modelo de Maturidade de Segurança de IA para AWS
Um modelo de maturidade de segurança prescritivo para cargas de IA e IA generativa na AWS. Para cada capacidade e fase de maturidade, ele fornece controles táticos: qual serviço da AWS usar, como configurá-lo e como verificá-lo.
Como usar este modelo
Este é um modelo de maturidade de segurança prescritivo para cargas de IA e IA generativa na AWS. Ele fornece controles de segurança da AWS táticos e verificáveis para cada capacidade e fase de maturidade, e os rastreia ao OWASP LLM Top 10 para o risco técnico, ao NIST AI RMF para a governança e às melhores práticas de segurança da AWS Well-Architected Generative AI Lens. Ele destila o AWS AI Security Framework, o AWS SRA para IA, e as Scoping Matrices de IA generativa e agêntica em um guia navegável e mensurável. Mede a adoção e maturidade de controles, não a conformidade nem a certificação.
A matriz: capacidades x fases de maturidade
O modelo cruza as 6 capacidades de IA do AWS SRA para IA (inferência de modelos, personalização, RAG, ferramentas, agentes e aplicações de IA) contra 3 fases de maturidade (Fundacional, Aprimorada, Avançada). Cada célula propõe controles de segurança táticos na AWS.
Os controles são cumulativos: cada capacidade se constrói sobre a inferência de modelos, e cada fase sobre a anterior. Você nunca recomeça do zero.
As três perguntas que este modelo ajuda a responder
- Como levamos a IA à produção com segurança, e qual o custo de errar?
- Quais dados nossa IA pode acessar, e como isso é governado?
- Como sabemos que nossos controles funcionam, e podemos gerenciar incidentes?
Controles táticos, não um resumo
Este é o diferencial. A maioria dos guias de segurança de IA para em princípios; aqui cada controle é específico e verificável: qual serviço da AWS usar, como configurá-lo e como validá-lo, mapeado aos riscos do OWASP LLM Top 10 que mitiga e aos scopes de IA generativa aplicáveis. Os controles para ferramentas e agentes também atendem às dimensões de segurança agêntica (identidade, memória, orquestração, limites, guardrails e registro), que a maioria dos modelos ignora.
Meça e comprove sua cobertura
Use a autoavaliação para acompanhar sua adoção por controle, capacidade e fase, mantendo tudo no seu navegador e exportando para um arquivo quando precisar. A página de cobertura e rastreabilidade mostra como os controles mapeiam para o OWASP LLM Top 10 (riscos técnicos), para as funções do NIST AI RMF (governança de risco), para as melhores práticas de segurança da AWS Well-Architected Generative AI Lens e para as dimensões de segurança agêntica, para que você possa comprovar a cobertura nos eixos técnico, arquitetural e de governança.
Também mapeia os controles ao padrão AWS Security Hub AI Security Best Practices: os checks automatizados de CSPM que validam na sua conta, em runtime, os controles correspondentes. É uma camada de validação complementar, não uma equivalência um-para-um: confirma a postura de configuração (criptografia, isolamento de rede, autorização de gateway) mas não cobre os controles que não são detectáveis por máquina, como governança, supervisão humana ou endurecimento de prompts.
Idiomas e fontes
Disponível em inglês, espanhol e português. Construído inteiramente sobre fontes oficiais e públicas da AWS e da indústria.