🕸️ Mapeamento de Relacionamentos, Grafos de Conhecimento e Segurança

Esta skill orienta a inteligência artificial a atuar como Especialista em Grafos de Conhecimento e Análise de Relacionamentos de Sistemas e Segurança, integrando dados heterogêneos de código, nuvem, identidade (Active Directory / Entra ID), ameaças (Threat Intelligence) e infraestrutura em grafos de propriedades direcionados (Labeled Property Graphs - LPG) para consultas de impacto e caminhos de ataque (Attack Paths).

---

🌐 1. Arquitetura Unificada de Grafos de Conhecimento

A modelagem em grafos transforma silos isolados de informação em uma malha relacional navegável através de linguagens de consulta declarativas (Cypher, AQL, Gremlin):

flowchart TD
    subgraph IngestionSources["Ingestão de Dados Heterogêneos"]
        CODE_DATA["Código & AST (jQAssistant)"]
        CLOUD_DATA["Nuvem & Infra (Cartography)"]
        AD_DATA["Identidades & Permissões (BloodHound / SharpHound)"]
        CTI_DATA["Ameaças & TTPs MITRE (OpenCTI / Attack Flow)"]
    end

    subgraph GraphEngines["Motores de Banco de Dados em Grafo"]
        NEO4J[("Neo4j (LPG & Cypher Engine)")]
        ARANGODB[("ArangoDB (Multi-Model & AQL)")]
        JANUSGRAPH[("JanusGraph (Distributed Apache TinkerPop)")]
    end

    subgraph Analytics["Consultas de Alto Impacto"]
        ATTACK_PATHS["Caminhos Críticos de Ataque (Shortest Path)"]
        BLAST_RADIUS["Raio de Explosão de Mudanças (Blast Radius)"]
        CIRCULAR_DEPS["Dependências Circulares & Violações"]
    end

    IngestionSources --> GraphEngines
    GraphEngines --> Analytics

---

🛠️ 2. Ferramentas Especialistas de Grafos e Modelos

1. Neo4j & Linguagem Cypher

• Conceito: O banco de dados orientado a grafos nativo mais utilizado no mundo. Modela nós (Nodes), rótulos (Labels), relacionamentos (Relationships) e propriedades de chave-valor (Properties).
• Consulta Cypher: Mapeamento de Raio de Explosão (Blast Radius) de uma Classe de Domínio:

// Identificar todos os métodos, classes e endpoints afetados pela alteração de UserEntity
MATCH path = (e:Entity {name: 'UserEntity'})<-[:DEPENDS_ON*1..4]-(caller)
RETURN path, count(caller) AS total_affected_nodes
ORDER BY length(path) ASC;

2. BloodHound (Active Directory & Azure/Entra ID Attack Paths)

• Conceito: Ferramenta de auditoria que utiliza teoria dos grafos para mapear e visualizar relacionamentos de controle e privilégios ocultos no Active Directory e Azure AD. Identifica caminhos indiretos de escalada de privilégios para Domain Admin (Shortest Path to High Value Targets).
• Coleta e Consulta BloodHound:
  • Coleta via SharpHound.exe ou bloodhound-python.
  • Ingestão no Neo4j e visualização de nós (User, Group, Computer, OU, GPO, Domain) e arestas (MemberOf, AdminTo, HasSession, WriteDacl, GenericAll, AddMember, GetChangesAll).

3. jQAssistant (Software Architecture Graph)

• Conceito: Framework de controle de qualidade arquitetural que analisa projetos Java, Maven, JPA, Git e Docker, gravando a estrutura completa no Neo4j e validando regras corporativas via Cypher.
• Exemplo de Regra Cypher no jqassistant-rules.xml:

// Bloquear acesso direto de Controllers aos Repositories
MATCH (c:Type)-[:DECLARES]->(m:Method)-[:CALLS]->(rMethod:Method)<-[:DECLARES]-(r:Type)
WHERE c:Controller AND r:Repository
CREATE (c)-[:VIOLATES_LAYER]->(r)
RETURN c.name AS ViolatingController, r.name AS TargetRepository;

4. ArangoDB & JanusGraph

• ArangoDB: Banco multi-modelo nativo (Documentos, Key-Value e Grafos) com suporte à linguagem AQL (ArangoDB Query Language) e algoritmos de caminhamento de grafo distribuídos.
• JanusGraph: Banco de grafos distribuído de alta escala (escalável sobre Apache Cassandra, HBase ou ScyllaDB) compatível com o padrão Apache TinkerPop / Gremlin.

5. Attack Flow & OpenCTI (Segurança & Threat Intelligence)

• Attack Flow (MITRE Center for Threat-Informed Defense): Linguagem e formato declarativo JSON para mapeamento da sequência temporal de ações e técnicas adversárias baseadas no MITRE ATT&CK.
• OpenCTI: Plataforma aberta de gerenciamento de inteligência de ameaças cibernéticas (CTI) que estrutura relacionamentos de vulnerabilidades (CVE), atores de ameaça (Threat Actors), malwares e incidentes em grafos interoperáveis com o padrão STIX 2.1.

---

📊 3. Algoritmos de Grafos Essenciais para Mapeamento

Ao analisar grafos de dependência e segurança, o especialista deve aplicar algoritmos clássicos de teoria dos grafos:

Algoritmo	Aplicação no Mapeamento	Implementação Neo4j GDS / Python NetworkX
Shortest Path (Dijkstra / BFS)	Menor caminho de escalada de privilégio ou chamada de API	gds.shortestPath.dijkstra.stream
PageRank / Centralidade	Identificação dos componentes e classes mais críticos do sistema	gds.pageRank.stream
Betweenness Centrality	Nós de ponte (Gargalos de comunicação ou Single Points of Failure)	gds.betweenness.stream
Louvain / Leiden (Community Detection)	Identificação de módulos de código coesos para refatoração em microsserviços	gds.louvain.stream
Cycle Detection (Tarjan / Johnson)	Detecção de ciclos de dependência proibidos na arquitetura	apoc.algo.cycles

---

🎯 4. Boas Práticas na Modelagem em Grafo

• Arestas Direcionadas com Semântica Clara: Nomeie relacionamentos com verbos expressivos ([:CALLS], [:IMPLEMENTS], [:DEPENDS_ON], [:COMMUNICATES_WITH], [:ADMIN_TO]).
• Indexação de Propriedades de Busca: Crie índices exclusivos em IDs e nomes de nós (CREATE CONSTRAINT FOR (n:Node) REQUIRE n.id IS UNIQUE) para garantir consultas Cypher sub-segundo em grafos com milhões de vértices.
• Limpeza de Nós Órfãos: Execute rotinas periódicas de manutenção para remover nós sem relacionamentos remanescentes de versões antigas do código.