Segurança e Privacidade

Esta página descreve as medidas de segurança e considerações de privacidade implementadas na plataforma GamiBot.

---

Proteção de Dados

Encriptação

Camada	Padrão	Descrição
Em Trânsito	TLS 1.3	Todas as chamadas API (Moodle ↔ LangFlow ↔ Qdrant ↔ Cliente)
Em Repouso	AES-256	Payloads Qdrant (se dados sensíveis detetados)
Chaves API	Variáveis de ambiente	Nunca em código ou logs

---

Controlo de Acesso

Isolamento de Cursos

Todas as consultas Qdrant incluem filtro course_id para garantir que os alunos não possam aceder a materiais de outros cursos:

# Cada pesquisa tem âmbito de curso
results = qdrant_client.search(
    collection_name="course_materials",
    query_vector=embedding,
    query_filter=Filter(
        must=[
            FieldCondition(
                key="course_id",
                match=MatchValue(value=student_course_id)
            )
        ]
    )
)

Autenticação

• Tokens de sessão Moodle validados para cada pedido API
• Assinaturas de webhook verificadas com HMAC-SHA256
• Chaves API rotacionadas regularmente

Acesso Baseado em Funções

Função	Capacidades
Aluno	Consultar apenas os seus cursos
Instrutor	Gerir ingestão, ver analytics
Gestor	Administração completa do sistema

---

Retenção de Dados

Tipo de Dados	Período de Retenção	Método de Purga
Materiais do curso (vetores)	Duração do curso + 1 ano	Manual pelo instrutor
Histórico de chat	6 meses	Eliminação automática
Desempenho de quiz	1 ano académico	Eliminação automática
Logs de ingestão	3 meses	Eliminação automática
Embeddings de utilizador	6 meses	Eliminação automática após término do curso

---

Considerações de Privacidade

Transparência

Notificação ao Aluno

Os alunos são informados de que a IA resume os seus materiais de curso através de mensagens claras na interface de chat e nas configurações do Moodle.

Opções de Opt-Out

• Checkbox para excluir dados do aluno do treino de LLM (se usar API OpenAI)
• Exportação de dados disponível mediante pedido
• Eliminação de dados disponível mediante pedido

Sem Partilha com Terceiros

• Materiais não são partilhados com plataformas de IA externas sem consentimento explícito
• Todo o processamento pode usar LLMs auto-hospedados para máxima privacidade

Conformidade com RGPD

Direito	Implementação
Direito de Acesso	Exportar dados do aluno em 30 dias
Direito ao Apagamento	Eliminar dados do aluno em 30 dias
Direito à Portabilidade	Exportação JSON de todos os dados pessoais
Direito de Oposição	Opt-out do processamento de IA

---

Segurança do Modelo

Filtragem de Conteúdo

• Sem geração de conteúdo prejudicial, discriminatório ou de desonestidade académica
• Prompts do sistema incluem diretrizes de segurança explícitas
• Output é monitorizado para violações de política

Defesa contra Injeção de Prompts

def sanitize_user_input(input_text: str) -> str:
    """Prevenir ataques de injeção de prompts."""
    # Remover padrões de injeção potenciais
    dangerous_patterns = [
        "ignore previous instructions",
        "system prompt",
        "you are now",
        "forget your instructions"
    ]
    
    sanitized = input_text
    for pattern in dangerous_patterns:
        sanitized = sanitized.replace(pattern, "[FILTERED]")
    
    return sanitized

Mitigação de Alucinações

• Output do LLM estritamente restrito a materiais recuperados (princípio RAG)
• Respostas incluem citações de fonte
• Scores de confiança registados para monitorização de qualidade

---

Próximos Passos

• Monitorização - Rastrear métricas de segurança
• Arquitetura - Configuração de infraestrutura segura