O fim do proxy: segurança contextual no endpoint e no edge para IA e TLS 1.3

Durante anos, a estratégia de segurança da rede foi simples: enrutar e inspeccionar. As empresas confiaram em proxies na nuvem para desencriptar tráfego, aplicar políticas e registrar atividade. Essa lógica funcionou quando a maior parte da interação sensível ocorria sobre canais que a rede podia interpretar. Hoje já não é assim: o trabalho se move ao navegador, as ferramentas gerativas e os agentes autônomos atuam em velocidade máquina, e as interações críticas acontecem na camada de apresentação, onde os proxies tradicionais não chegam.

O avanço de protocolos como TLS 1.3, QUIC e HTTP/3 — concebidos para melhorar a segurança e o desempenho — complica a capacidade dos interceptores de tráfego para atuar como man-in-the-middle sem quebrar a conexão. A especificação técnica do TLS 1.3 documenta estas mudanças de design: ver RFC 8446 (TLS 1.3). Navegadores e aplicações também aproveitam técnicas como o certificate pinning, que bloqueiam intercepções forçadas e provocam falhas em serviços críticos se insiste em desencriptar a força.

O resultado operacional é duplo e corrosivo: por um lado, as organizações acabam construindo enormes listas de exceções para que aplicações legítimas não se rompam, reduzindo seu perímetro de segurança de forma silenciosa; por outro lado, o desvio constante de sessões para proxies remotos introduz uma uma penalização de latência — a chamada "detour tax" — que degrada a experiência de usuário e promove a busca de atalhos por parte das equipes (shadow IT), ampliando a superfície de risco.

A chegada de LLMs e agentes automatizados torna visível uma limitação estrutural: um proxy de rede pode ver uma conexão HTTPS válida para um fornecedor de IA, mas não pode discernir a intenção contida no payload ou no contexto semântico de uma interação quando esta ocorre no navegador antes de sair da organização. Para então, a operação —copiar código sensível a um prompt público ou permitir que um agente recupere documentação interna — já foi consumado fora do alcance da inspeção tradicional.

Diante desse cenário a alternativa binária -bloquear todo uso de IA ou permitir-o sem controles - é inviável. Bloquear promove trabalho oculto e perda de produtividade; permitir-o deixar cego a equipe de segurança. A resposta não pode ser mais do que o mesmo: é necessário um replanteamento que leve a avaliação de políticas ao último trecho da ligação, isto é, o endpoint e o navegador, onde aparecem o copy/paste, os prompts e as invocações de agentes.

Avaliar e aplicar controles no ponto de interação abre três vantagens estratégicas: primeiro, proteção contextual, porque conteúdos como texto copiado, prompts e arquivos podem ser analisados localmente antes de qualquer saída de dados; segundo, alinhamento com protocolos nativos, pois não obriga a quebrar a cifra end-to-end de protocolos modernos; terceiro, desempenho directo, porque a maioria do tráfego legítimo pode circular sem detours, recuperando a latência e a experiência de usuário. As arquiteturas que combinam avaliação no endpoint com roteamento dinâmico para o edge reduzem a necessidade de inspeção universal na nuvem.

Implementar esta mudança é mais do que adotar tecnologia: implica reconfigurar processos e responsabilidades. As organizações devem começar por mapear fluxos de dados e catalogar quais tipos de informação podem sair através de LLMs e agentes, aplicando classificação e rótulos que depois alimentem políticas contextuales. É fundamental complementar controlos técnicos com governação: regras sobre a utilização de modelos públicos, contratos com fornecedores de IA e treinamento que ensine a elaboração de prompts seguros e a reconhecer riscos.

No plano técnico, devem ser implementadas soluções que combinem DLP direcionado ao navegador ou a extensões administradas, agentes de endpoint capazes de interceptar eventos de cópia/pegado e monitorar chamadas de processos a APIs de modelos, e um plano de controle que você orqueste quando e como redirecionar tráfego para o edge para inspeção adicional. Também é importante aproveitar quadros de boas práticas e padrões; por exemplo, o NIST AI Risk Management Framework Oferece critérios úteis para governar riscos de IA em nível organizacional.

No entanto, há custos e trade-offs: a inspeção no endpoint aumenta a complexidade operacional, levanta questões sobre privacidade do usuário e requer modelos de confiança zero que distingam entre sessões e dados que devem ser protegidos e as que não. Além disso, nem todas as aplicações permitem instrumentação fácil; a solução prática é geralmente uma combinação de isolamento de navegador para sessões não confiáveis, políticas baseadas em conteúdo para prompts e agentes, e telemetria centralizada para auditoria e resposta.

Da perspectiva organizacional, a prioridade imediata deveria ser dupla: primeiro, deixar de confiar em listas intermináveis de excepções e medir o efeito real dos desvios sobre segurança e produtividade; segundo, projetar uma rota de migração para um modelo que priorize a avaliação contextual no endpoint e o roteamento dinâmico para o edge quando necessário. Em termos operacionais, isso se traduz em testes de compatibilidade com TLS 1.3/HTTP3, implantaçãos piloto de DLP em navegador e exercícios de purple team que simulem vazamentos via prompts e agentes.

A arquitetura que certos fornecedores chamam de “Perfect Packet” não é uma solução mágica, mas um marco operacional: inspeção inicial no ponto de interação, decisões locais e escalado seletivo à nuvem para sessões suspeitas. Adotá-la com critério exige investimento em visibilidade local, políticas baseadas em contexto e uma abordagem de segurança que priorize tanto a proteção de dados como a experiência de usuário. Para entender as implicações técnicas de HTTP/3 e QUIC, que também influenciam a estratégia de inspeção, é útil rever documentação técnica como a do Google sobre HTTP/3: HTTP/3 e desempenho.

O desafio não desaparecerá: mais integração entre SaaS, extensões e ferramentas de IA gera mais pontos de interação fora do domínio tradicional da rede. A boa notícia é que a solução é prática e está ao alcance: medir, instrumentar o endpoint, aplicar políticas contextuales, governar o uso de modelos e redireccionar apenas o necessário para o edge. Aqueles que agirão agora reduzirão a sua exposição e recuperarão a experiência de usuário que impulsiona a produtividade, evitando que a segurança se torne a causa da fuga para o shadow IT.