Segurança

TL;DR: O Bank Statement Parser processa todos os dados localmente, redige PII por padrão, reforça a análise XML contra ataques XXE, roda LLMs localmente via Ollama e vem com dependências bloqueadas por hash SHA-256 e um CycloneDX SBOM.

Segurança por Design

O Bank Statement Parser foi feito para processar dados financeiros sensíveis. Cada decisão de design prioriza segurança, privacidade e auditabilidade.

Zero Dependência de Nuvem

Todo o processamento acontece localmente no seu runtime. Os parsers determinísticos fazem zero chamadas de rede. O pipeline híbrido de PDF usa Ollama para inferência LLM local — nenhum dado é enviado para APIs na nuvem. Os parsers XML são configurados explicitamente com no_network=True, resolve_entities=False e load_dtd=False para impedir qualquer acesso de saída.

Redação de PII

Informações de identificação pessoal (nomes, IBANs, endereços postais) são automaticamente redadas na saída CLI e no modo de streaming. Isso vem ativado por padrão.

• CLI: Campos sensíveis aparecem como ***REDACTED***
• Streaming: parse_streaming(redact_pii=True) (padrão)
• Exportações: CSV/JSON/Excel retêm dados completos para processamento posterior
• Opt-in: Use --show-pii ou redact_pii=False quando precisar de saída sem redação

Segurança XML (Proteção XXE)

Toda análise XML usa lxml com configurações reforçadas:

• resolve_entities=False -- impede ataques de expansão de entidades XML
• no_network=True -- bloqueia todo acesso de saída à rede no parser
• load_dtd=False -- impede ataques baseados em DTD
• Remoção de namespace antes do processamento -- lida com qualquer variante CAMT.053 de forma segura

Segurança de Arquivos ZIP

iter_secure_xml_entries() valida cada membro ZIP antes da extração:

• Limite de tamanho de entrada: 10 MB por entrada (configurável)
• Limite de tamanho total: 50 MB total descomprimido (configurável)
• Limite de taxa de compressão: padrão 100:1 -- detecta ZIP bombs
• Rejeição de entradas criptografadas: Entradas criptografadas são ignoradas com aviso
• Sem gravação em disco: Bytes XML passam direto para o parser via from_bytes()

Prevenção de Travessia de Caminho

A validação de entrada bloqueia caminhos de arquivo perigosos:

• Bytes nulos, padrões de travessia de diretório (../) e links simbólicos são rejeitados
• Validação de extensão de arquivo contra formatos esperados
• Limites de tamanho de arquivo (padrão 100 MB, configurável)

Verificação de Saldo (Golden Rule)

Toda extração de PDF é verificada com a equação: opening balance + credits − debits == closing balance. Os resultados são marcados como VERIFIED, DISCREPANCY ou FAILED. Discrepâncias podem ser revisadas interativamente com --type review.

Saída Determinística

Para formatos estruturados (CAMT, PAIN.001, CSV, OFX, QFX, MT940), dado o mesmo arquivo de entrada, o parser produz saída idêntica em bytes a cada execução. Sem aleatoriedade, sem inferência de modelo, sem amostragem heurística. Isso é essencial para:

• Reprodutibilidade de auditoria: Execute o mesmo arquivo duas vezes e compare a saída
• Conformidade regulatória: Demonstre processamento consistente
• Verificação de CI: 718 testes impõem determinismo com 100% de cobertura de ramificação

Segurança da Cadeia de Suprimentos

• Dependências bloqueadas por hash SHA-256: Cada pacote em poetry.lock tem hashes de arquivo verificados
• CycloneDX SBOM: Cada versão inclui uma lista de materiais de software
• Procedência de build do GitHub: Atestado vincula cada artefato ao seu commit de origem
• Commits assinados: Todos os commits são assinados por SSH e verificados no CI
• Verificação de dependências: scripts/verify_locked_hashes.py valida todos os hashes localmente

Verifique Localmente

python -m pytest                          # 718 tests, 100% branch coverage
python scripts/verify_locked_hashes.py    # SHA-256 hash verification
git log --show-signature -1               # Verify commit signature