Um SAST genérico devolve centenas de achados que ninguém do time reconhece como problema real, e o backlog de segurança cresce sem que uma linha de código mude. A saída para equipes que mantêm aplicações próprias é transformar conhecimento interno — frameworks adotados, funções perigosas do projeto, validadores escritos em casa — em regras executáveis no pipeline. O Semgrep serve exatamente a esse propósito: é uma ferramenta de análise estática de código aberto que encontra bugs e aplica padrões de codificação seguros em mais de 30 linguagens, rodando no IDE, na verificação de pre-commit e no CI/CD. A ação prioritária é começar pequeno: poucas regras escritas pela própria equipe, bloqueando apenas aquilo que o time já decidiu proibir.
O problema do SAST genérico
Scanner com regras prontas cobre bem o óbvio: criptografia fraca, concatenação de SQL, API descontinuada. O que ele não cobre é o código que só existe no seu projeto: a função executar_comando_interno, o wrapper caseiro de log que imprime token, o endpoint administrativo sem decorator de autorização. Cada falso positivo corrode a confiança do desenvolvedor, e cada falso negativo deixa passar o risco específico do seu domínio. A regra própria resolve os dois lados de uma vez: codifica uma decisão já tomada — aqui se usa sha256, não md5 — e transforma o achado em algo que o autor do código reconhece de imediato.
A escolha do que monitorar fica mais precisa quando sai de um catálogo genérico e passa por uma modelagem de ameaças real, como a análise STRIDE tratada como governança. Vale separar também o tipo de risco: se o alvo é dependência de terceiros, SAST não é a ferramenta certa — o grafo da cadeia de software, abordado na prática com o GUAC, cobre essa lacuna. Semgrep entra no código que a sua equipe escreve.
Regras que parecem código
A principal diferença do Semgrep para motores concorrentes é a sintaxe: o padrão de busca é escrito como o próprio código, com metavariáveis ($X, $ARG) no lugar das expressões. Não há árvore sintática para montar nem expressão regular gigante para manter. O exemplo abaixo é ilustrativo, mas roda como está: sinaliza toda chamada de eval em Python com mensagem que orienta a correção.
rules:
- id: python-eval-perigoso
languages: [python]
severity: HIGH
message: eval() executa string arbitrária; remova ou restrinja a entrada
pattern: eval(...)
Os campos id, languages, severity e message são exigidos em toda regra, e operadores como pattern-not removem exceções legítimas sem tocar no código de produção. A combinação de regra curta, exceção declarada e mensagem com vocabulário do negócio faz o desenvolvedor corrigir na hora, em vez de deixar o achado apodrecer no relatório mensal. Como a análise é rápida o suficiente para rodar em pre-commit, o feedback chega antes do pull request, quando o custo da correção é mínimo.
O repositório oficial do projeto mantém o código-fonte aberto, a referência de operadores e exemplos por linguagem: semgrep/semgrep no GitHub.
Modo taint para fluxo de dados
Regra de padrão encontra a chamada perigosa, mas não sabe de onde veio o argumento. Para isso existe o modo taint: com mode: taint, o motor rastreia o dado contaminado dos pontos de entrada não confiáveis até as operações sensíveis, apontando se existe validação no meio do caminho. A regra declara o que é fonte, o que é sumidouro e o que limpa o dado; o achado só surge quando o fluxo completo acontece sem sanitização.
| Operador | Obrigatório | Papel na regra |
|---|---|---|
| pattern-sources | sim | define de onde vem o dado não confiável (parâmetro de requisição, arquivo, fila) |
| pattern-sinks | não | define as operações perigosas (execução de comando, montagem de query, render de HTML) |
| pattern-sanitizers | não | reconhece validações que tornam o dado seguro naquele contexto |
| pattern-propagators | não | acompanha o dado por atribuições e chamadas intermediárias |
A documentação oficial detalha cada operador, incluindo um aviso que economiza horas de depuração: metavariáveis usadas em pattern-sources são consideradas diferentes das de mesmo nome em pattern-sinks — a regra parece correta, roda sem erro e não encontra nada. A visão geral do modo taint traz os exemplos completos. O guia de desenvolvimento do OWASP resume o mesmo modelo fonte, propagação e sumidouro, e lembra um detalhe que muda o desenho da regra: o sanitizador é aquilo que a sua regra reconhece como validação naquele contexto, não uma garantia universal. A página do Semgrep no OWASP Developer Guide serve de contraponto independente à documentação do fabricante.
Teste e triagem dos achados
Dois limites precisam entrar na conta antes de ligar bloqueio automático. Primeiro: a edição comunitária analisa apenas dentro dos limites de uma função ou de um arquivo, e o próprio projeto admite que ela perde muitos achados verdadeiros em contexto de segurança — fluxo que atravessa funções depende do motor pago. Segundo: um achado não é, por si só, uma vulnerabilidade confirmada; o OWASP é explícito de que todo resultado exige revisão humana com contexto. Quem espera certeza do scanner decepciona-se nos dois sentidos: falso positivo que trava merge e falso negativo que atravessa o pipeline.
Há um ponto de governança que ajuda a aprovar a ferramenta em ambientes restritos: o Semgrep executa a análise localmente, na máquina ou no ambiente de build, e o código nunca é enviado por padrão. Para times que já discutiram para onde vai o fonte com fornecedores de segurança, isso encurta a conversa com jurídico e privacidade.
Prioridades práticas de adoção: P1, regras de padrão simples para decisões já tomadas (criptografia, função proibida, segredo fixo no código), com correção automática quando existir; P2, regras taint para as duas ou três rotas mais sensíveis da aplicação, com revisão obrigatória por uma semana antes de virar bloqueio.
Erros comuns na primeira regra
- Copiar regra da comunidade sem trocar o sanitizador pelo validador real do projeto: o resultado é ruído imediato ou silêncio falso.
- Esquecer que cobertura de linguagem não é cobertura de framework: o parser entende Python, mas não conhece o seu ORM interno.
- Ligar bloqueio total no primeiro dia, transformando o scanner em obstáculo antes de conquistar credibilidade com o time.
- Deixar a regra sem teste: escreva um arquivo com o caso vulnerável e o caso seguro lado a lado e rode a regra contra ele a cada mudança.
- Tratar o relatório como métrica de segurança: o número que importa é o de achados revisados e corrigidos, não o de achados abertos.
Checklist de adoção no pipeline
- Escolha três decisões de segurança já acordadas pelo time e escreva uma regra de padrão para cada uma.
- Rode em modo relatório por uma semana, medindo falsos positivos antes de qualquer bloqueio.
- Acrescente
pattern-notpara as exceções legítimas em vez de ignorar achados manualmente. - Escreva a primeira regra taint para o fluxo de entrada mais crítico, com sanitizador igual ao validador real.
- Configure o scanner para reportar apenas o que o pull request introduz, sem arrastar passivo histórico.
- Bloqueie severidade alta no PR e reserve o restante para triagem semanal com dono definido.
Do primeiro relatório ao bloqueio no pull request, a curva saudável passa por credibilidade: regra que o time reconhece, exceção declarada onde a regra é cega e revisão humana onde o contexto decide. SAST próprio não substitui revisão de código, DAST ou gestão de dependências — ele codifica as decisões que a equipe já tomou e cobra a conta quando alguém esquece. É essa cobrança barata e local, sem enviar o fonte para fora, que justifica o esforço de escrever as primeiras regras.