SANS lança dois scripts forenses para reconstruir a atividade de agentes de IA (OpenCode e Hermes)
Jim Clausing, do SANS Internet Storm Center, publicou dois scripts Python voltados à perícia de assistentes de codificação baseados em IA: um para o OpenCode e outro para o Hermes. As ferramentas extraem e reconstroem sessões de chat, chamadas de ferramentas e metadados diretamente dos bancos de dados e logs locais desses agentes. O material integra uma atualização do curso FOR577 da SANS sobre investigação de uso de IA em resposta a incidentes.
O SANS Institute atualizou o curso FOR577 (Foundations and Advanced Smartphone, IoT, and AI Forensics) com um novo módulo dedicado à investigação do uso de assistentes de IA em estações de trabalho de desenvolvedores, cobrindo ferramentas como Claude Code, Codex, Gemini CLI, Cursor, Copilot, Warp, Windsurf e Qwen Code. Como parte dessa atualização, o autor Jim Clausing publicou dois scripts: o opencode-chat-replay.py, que reconstrói transcrições de sessão a partir do banco SQLite do OpenCode (localizado em ~/.local/share/opencode/opencode.db), e o hermes_forensic_extract.py, que extrai conversas, uso de modelo, dumps de requisições de API e logs de aplicação do Hermes (armazenados em ~/.hermes/state.db, ~/.hermes/sessions/ e ~/.hermes/logs/).
Tecnicamente, ambos os scripts atuam como parsers de artefatos locais: eles leem diretamente as estruturas de banco de dados e arquivos de log desses agentes, sem depender da aplicação original instalada, e exportam o conteúdo em formatos legíveis e processáveis (Markdown, JSON e JSONL). Isso permite que o investigador trabalhe sobre uma imagem de disco montada ou um conjunto de artefatos coletados, aplicando filtragem temporal e seleção por sessão, e depois encadeando a saída com ferramentas padrão de análise como o jq para buscas direcionadas.
A relevância prática está em um ponto cego crescente da resposta a incidentes: agentes de IA de linha de comando estão cada vez mais integrados ao fluxo de desenvolvimento e operação, e podem ser usados tanto de forma legítima quanto abusiva (por exemplo, para gerar código malicioso, automatizar reconhecimento ou exfiltração, ou simplesmente para entender o que um insider ou atacante pediu à ferramenta). Sem scripts dedicados, esses dados ficam presos em formatos proprietários (SQLite, JSON aninhado) que dificultam a timeline forense e a correlação com outros artefatos do sistema, como histórico de shell, logs de rede e arquivos criados.
O caso ilustra uma tendência mais ampla: à medida que ferramentas de IA generativa se tornam parte do ambiente de trabalho padrão, elas passam a gerar seus próprios artefatos digitais, que precisam ser tratados com o mesmo rigor metodológico de cadeia de custódia e documentação já aplicado a navegadores, mensageiros e aplicativos móveis. A publicação de scripts abertos para extração reduz a barreira de entrada para peritos que ainda não mapearam esses formatos, mas também expõe a ausência de padronização entre fornecedores de agentes de IA, o que obriga a comunidade forense a manter scripts específicos por ferramenta.