Modelos
OpenAI · Anthropic · HuggingFace · local GGUF
openai/gpt-4o-minisrc/lib/chat.ts:23governadometa-llama/Llama-3.1-8Bmodels/local.ggufshadowanthropic/claude-3-7-sonnetapps/agent/index.ts:11governado
Usamos cookies de análise e de medição publicitária (Google, Meta). Não vendemos nada e podes recusar.
Uma só análise, sem questionários. Cada modelo, dataset, prompt, agente, servidor MCP e guardrail, catalogado.
Seis categorias, cada item ligado a um ficheiro e a uma linha, e assinalado quando falta a ficha do modelo, a licença ou o âmbito.
OpenAI · Anthropic · HuggingFace · local GGUF
openai/gpt-4o-minisrc/lib/chat.ts:23governadometa-llama/Llama-3.1-8Bmodels/local.ggufshadowanthropic/claude-3-7-sonnetapps/agent/index.ts:11governadotreino, fine-tune, eval, corpora RAG
wikipedia-en-2024notebooks/finetune.ipynbgovernadocustomer_chats_v2data/training.parquetshadowhf://glaive/code-instructscripts/data.py:8governadotemplates de sistema e de utilizador versionados
chat-system@v3prompts/system.mdgovernadoextract-piilib/pii.ts:17derivatriage-flow@v7agents/triage.yamlgovernadoReAct · LangChain · LlamaIndex · CrewAI
LangChain ReActapps/agent/main.pygovernadoLlamaIndex query engineapps/rag/server.tsshadowCustom MCP hostservices/mcp-host/governadoferramentas que os agentes chamam
mcp://github.local:7001agents/.mcp.jsongovernadomcp://internal-tools.cybeapps/agent/mcp.tomlgovernadomcp://prod-postgresinfra/mcp.ts:42shadowLlama Guard · Guardrails AI · NeMo
Llama Guard 3 8Binfra/guardrails.ts:9governadoGuardrails AI · OutputParserlib/safety.ts:14governado(none)apps/legacy-agent/ausenteUm relatório por análise, alinhado com o Regulamento (UE) 2024/1689, pronto para o jurídico e para o teu auditor.
Um ou mais componentes proibidos ou de alto risco detetados. Rever §4: ação necessária antes do deployment.
| Componente | Tipo | Risco |
|---|---|---|
acme/behavioral-social-scor-v2 | Modelo ML | Proibido |
acme/credit-scorer-v2 | Modelo ML | Alto |
acme/customer-chatbot-v4 | Modelo ML | Limitado |
openai/gpt-4o-mini | Modelo ML | Mínimo |
anthropic/claude-sonnet-4-5 | Modelo ML | Mínimo |
+166 componentes adicionais no relatório completo
Adiciona a cybedefend-action ao teu workflow do GitHub, ou chama a CybeDefend CLI a partir de qualquer outra pipeline.
- name: CybeDefend Security Scan
uses: CybeDefend/cybedefend-action@v2
with:
pat: ${{ secrets.CYBEDEFEND_PAT }}
project_id: ${{ secrets.CYBEDEFEND_PROJECT_ID }}
branch: ${{ github.ref_name }}
break_on_severity: highCada modelo, dataset, prompt, agente, servidor MCP e guardrail, identificado automaticamente.
Cada secção do Anexo IV tem a sua regra de emissão. A documentação do Artigo 11 deixa de ser um projeto trimestral e passa a artefacto de CI.
Cada componente é etiquetado segundo as funções Govern / Map / Measure / Manage.
A documentação explica a instalação, a configuração e cada opção.
Ler a documentaçãoem inglêsPlatform Overview / Key Features
AI-BOM & EU AI Act Compliance
O que é detetado e como, o inventário, as categorias de risco do AI Act europeu e o relatório de conformidade.
Modelos referenciados por nome (IDs do HuggingFace, strings de modelos OpenAI / Anthropic / Google, pesos locais .gguf / .onnx), datasets referenciados no código ou na config, prompts versionados que vão no repo, URLs de servidores MCP que os teus agentes consomem, grafos LangChain e LlamaIndex, frameworks de orquestração de agentes (Semantic Kernel, AutoGen, CrewAI, ReAct à medida) e bibliotecas de guardrails em uso (Llama Guard, NeMo, Guardrails AI). Cada item entra no inventário com a sua localização no código, a versão fixada e uma classificação heurística.
O Artigo 11 e o Anexo IV do EU AI Act exigem um pacote de documentação técnica para sistemas de IA de alto risco antes de entrarem no mercado europeu. Esse pacote enumera os modelos, as fontes de dados de treino, a utilização prevista, as métricas de desempenho e as medidas de gestão de risco. O AI-BOM produz a evidência em formato legível por máquina, por isso a etapa de documentação passa a ser uma exportação em vez de um projeto trimestral.
Adiciona a cybedefend-action ao teu workflow do GitHub, ou chama a CybeDefend CLI a partir de qualquer outra pipeline (GitLab CI, Jenkinsfile, Tekton). A análise corre em cada push, o relatório é publicado como artefacto de build e o gate sai com código diferente de zero sempre que um novo componente proibido ou de alto risco entra sem documentação de governação.
O SBOM lista componentes de software e CVEs. O AI-BOM lista componentes de IA e as facetas de governação próprias da IA: origem dos dados de treino, linhagem do fine-tune, versões de prompts, âmbito das capacidades do agente, cobertura de guardrails, risco residual. São complementares; a CybeDefend produz os dois, e o resultado do AI-BOM também é exportável em CycloneDX, por isso encaixa nas ferramentas de SBOM que já tens.
Não. A análise lê o teu repositório e produz um inventário estruturado; o código-fonte nunca sai do teu ambiente. O dashboard opcional recebe apenas metadados (nomes de componentes, versões, classificação de risco), nunca código em bruto nem o conteúdo dos prompts.
Primeira análise gratuita. Sem cartão.