Formação: Agents de IA

Expert @hsouzaeduardo

Especialista em Soluções distribuídas e Cloud, pós-graduado em Engenharia de Software, MBA em Arquitetura de Soluções e Dados &IA. Atuando há 25 anos com softwares para web, Mobile, Cloud, IoT, IIoT, e softwares embarcados. Atualmente atuando como Gerente de Arquitetura e inteligência Artificial . Instrutor Oficial Microsoft há mais de 10 anos, Microsoft MVP e apaixonado por tecnologia, inovação e defensor de que um bom feedback constrói gigantes e que todos merecem oportunidades e criador da fórmula: R = (T + D + TD)² Resultado = (Tempo + dedicação + Trabalho Duro)

💻 Módulos

#	Módulo	Materiais
01	📁 Backend
02	📁 Frontend

⌨️ Feito com 💜 by DIO

STRIDE Threat Model Analyzer

Este projeto é uma solução completa para análise de ameaças baseada na metodologia STRIDE, composta por um backend em FastAPI (Python) e um front-end em HTML/CSS/JS com visualização de ameaças usando Cytoscape.js.

Funcionalidades

• Upload de imagem de arquitetura e preenchimento de informações do sistema.
• Geração automática de modelo de ameaças STRIDE usando Azure OpenAI.
• Visualização do modelo de ameaças em grafo interativo (Cytoscape.js).
• Sugestões de melhoria para o modelo de ameaças.
• Botão para imprimir/exportar o grafo gerado.

---

Como executar o projeto

1. Pré-requisitos

• Python 3.10+
• Node.js (opcional, apenas se quiser servir o front-end com algum servidor local)
• Conta e deployment configurado no Azure OpenAI (veja variáveis de ambiente)

2. Clonando o repositório

# Clone o projeto
 git clone https://github.com/digitalinnovationone/stride-demo.git
 cd stride-demo

3. Configurando o backend (FastAPI)

1. Acesse a pasta do backend:

   cd module-1/01-introducao-backend

2. Crie e ative um ambiente virtual (opcional, mas recomendado):

   python -m venv .venv
   .venv\Scripts\activate  # Windows
   source .venv/bin/activate  # Linux/Mac

3. Instale as dependências:

   pip install -r requirements.txt

4. Crie um arquivo .env com as seguintes variáveis (preencha com seus dados do Azure OpenAI):

   AZURE_OPENAI_API_KEY=xxxxxx
   AZURE_OPENAI_ENDPOINT=https://<seu-endpoint>.openai.azure.com/
   AZURE_OPENAI_API_VERSION=2023-05-15
   AZURE_OPENAI_DEPLOYMENT_NAME=<nome-do-deployment>

5. Execute o backend:

   uvicorn main:app --reload --host 0.0.0.0 --port 8001

   O backend estará disponível em http://localhost:8001

4. Configurando o front-end

1. Acesse a pasta do front-end:

   cd ../02-front-end

2. Basta abrir o arquivo index.html no navegador (duplo clique ou open index.html).
   • Se quiser servir via servidor local (opcional):

     npx serve .
     # ou
     python -m http.server 8080

3. O front-end espera que o backend esteja rodando em http://localhost:8001

---

Cuidados e dicas

• Azure OpenAI: Certifique-se de que seu deployment está ativo e as variáveis do .env estão corretas.
• CORS: O backend já está configurado para aceitar requisições de qualquer origem, mas se for usar em produção, ajuste as origens permitidas.
• Limite de tokens: O modelo do Azure OpenAI pode ter limites de tokens. Ajuste max_tokens se necessário.
• Impressão do grafo: O botão "Imprimir Grafo" exporta a visualização atual do grafo como imagem para impressão ou PDF.
• Formato do JSON: O front-end espera o JSON no formato retornado pelo backend. Se mudar o backend, ajuste o front-end conforme necessário.
• Portas: Certifique-se de que as portas 8001 (backend) e 8080 (front-end, se usar servidor) estejam livres.

---

Estrutura do projeto

stride-demo/
│
├── module-1/
│   ├── 01-introducao-backend/
│   │   ├── main.py
│   │   ├── requirements.txt
│   │   └── .env (crie este arquivo)
│   └── 02-front-end/
│       └── index.html
└── README.md

---

Dúvidas?

Só chamar que podemos ajudar !