Aegis

Um analista que quisesse entender uma conta suspeita tinha que montar a história na mão. Identidade e dados cadastrais ficavam no banco operacional. Depósitos, saques, apostas, saldos e eventos de jogo se acumulavam no lakehouse analítico. A história do jogador existia, mas em pedaços, espalhada por dois sistemas que nunca foram feitos para serem lidos juntos.

Eu também queria que a resposta aguentasse questionamento. Uma pontuação sozinha não serve para quem precisa justificar o bloqueio de uma conta, então todo achado do Aegis diz qual regra disparou e mostra a evidência que a disparou.

O Aegis é uma aplicação React estática conversando com um serviço FastAPI focado em leitura, e esse serviço lê um schema PostgreSQL que desenhei para investigação. O lakehouse fica fora do caminho da requisição. Esse limite compra um caminho de leitura previsível e mantém o acesso à evidência sensível em um lugar só, sob meu controle.

Jobs agendados trazem perfis, carteiras, transações, saldos horários e dados de visualização do Databricks para o PostgreSQL e emendam direto nas varreduras de detecção, de hora em hora. O Redis atende primeiras leituras selecionadas: os jobs escrevem, a interface só lê.

Eu podia ter pendurado telas de fraude em um sistema que já existia, e ninguém teria reclamado. Em vez disso, construí o Aegis como produto próprio: schema próprio, API própria, implantação própria, ciclo de release próprio.

Duas coisas me levaram a isso. Fluxo de fraude muda toda vez que aparece um padrão novo, e eu queria entregar essas mudanças sem encostar em mais nada. E a evidência por trás de um achado — documentos, histórico de transações — pede um modelo de autorização mais apertado do que o usuário interno médio deveria herdar.

Essa decisão me entregou toda a superfície de segurança para cuidar: sessões, proteção contra CSRF, autenticação multifator, hashing Argon2, permissões, credenciais restritas para os jobs, auditoria de segurança. Assumi. A API é a única autoridade de autorização.

Os dados de evento vivem no lakehouse, e apontar a interface direto para lá teria sido o caminho mais rápido até um dashboard funcionando. Também teria amarrado cada passo dentro da timeline de um jogador à latência do warehouse e ao medidor de cobrança.

Então o caminho dos dados se divide. Jobs agendados copiam o que o produto precisa para o schema curado, um pipeline horário roda sincronização e depois varredura, e o Redis absorve as leituras que se repetem.

O Aegis, portanto, lê dados recentes em vez de dados ao vivo, e essa escolha foi deliberada. O comportamento que estou detectando — estruturação, velocidade, documento repetido — se desenvolve ao longo de horas e dias. Frescor que eu não precisava não valia a latência que eu teria pago por ele.

Um dashboard te diz que um número está alto. É aí que o trabalho dele acaba e o do analista começa, que é exatamente o lugar errado de parar. O Aegis segue o caminho que a pessoa percorre de verdade: uma fila de triagem agrupada por regra, que abre em uma visão do jogador reunindo perfil, saldos, transações, gameplay, achados em aberto e relatórios gerados no mesmo lugar.

Todo achado carrega sua regra, categoria, nível de confiança e a evidência que o disparou. As regras rodam em shadow mode por padrão e são promovidas para o modo ativo de propósito, nunca por acidente. Os achados que o analista está trabalhando ficam em uma lista local no navegador.

E tem a Constelação de Risco. Desenho a população pontuada inteira como um campo de pontos na GPU, com cor e brilho para risco e posição para puxar os jogadores sinalizados para fora da multidão. Começou como uma pergunta: dá para ler 25.000 jogadores de uma vez? Acabou que agrupamento e ponto fora da curva são muito mais fáceis de enxergar do que de consultar.

Ferramenta interna tem cara de ferramenta interna porque alguém decidiu que ninguém ia se importar. Eu me importei. O Aegis ganhou um emblema de escudo e íris, um console escuro e uma abertura cinematográfica, e essa identidade se sustenta do primeiro quadro até o ambiente de investigação.

Modelei e animei o emblema no Blender, exportei em FBX, montei e iluminei a cena no Unreal Engine 5, renderizei uma sequência de imagens em 4K e finalizei o filme no DaVinci Resolve. Não é uma coisa normal de se fazer para um console de fraude. Eu quis descobrir se conseguia.

Nada disso atrapalha o trabalho. A sequência roda uma vez por sessão e falha para o lado seguro: se a mídia travar, não puder ser reproduzida ou a pessoa preferir menos movimento, o console simplesmente está lá.

O Aegis é meu de ponta a ponta. O produto e o design de interação. A aplicação React, o serviço FastAPI, autenticação, permissões. O modelo PostgreSQL, a sincronização com o lakehouse, o pipeline horário, as regras de detecção, a pontuação, os relatórios. Os testes, a implantação, a Constelação de Risco em WebGL e o filme de identidade.

Trabalho AI-native e não tenho pudor nenhum com isso: os agentes aceleraram scaffolding, refatoração, geração de testes e revisão. Toda decisão de arquitetura, todo trade-off e todo julgamento sobre se algo estava realmente bom o suficiente continuaram meus.

Coloquei o Aegis em produção. Oito regras configuráveis nas categorias de pagamentos, gameplay, identidade e impacto; execução em shadow mode e em modo ativo; pontuação e achados explicáveis; triagem de alertas; investigação de jogadores; lista de trabalho local no navegador; administração de regras; análise geográfica; Constelação de Risco; auditoria de segurança; e relatórios em HTML, Markdown ou PDF.

React, Vite e React Router entregam a interface. O FastAPI expõe a API de leitura. O PostgreSQL é dono do modelo investigativo, o Databricks segue como fonte analítica e o Redis sustenta leituras selecionadas a partir de cache. Sessões opacas, Argon2, TOTP, proteção contra CSRF e permissões aplicadas pela API seguram o limite de segurança.

Three.js e um decodificador de pontos em Web Worker movem a Constelação de Risco. deck.gl e MapLibre cuidam da análise geográfica. O WeasyPrint gera os relatórios. pytest e Jest cobrem os caminhos de backend e de frontend. Blender, Unreal Engine 5 e DaVinci Resolve produziram o filme de identidade.