Questões de Concurso

O pipeline de Integração Contínua (CI) do sistema de radar secundário de um aeroporto federal foi configurado com ferramentas automatizadas de testes de segurança de aplicações.
Na fase de compilação, o analisador emitiu um relatório estancando a esteira ao detectar o uso de funções inseguras de manipulação de strings em C++ que poderiam abrir brechas para corrupção de memória. O analista DevOps alegou que a esteira de build deveria ignorar o alerta, pois uma varredura dinâmica executada na aplicação rodando em ambiente de homologação simulado não conseguiu explorar a falha através de requisições de rede externas.
Com base nos conceitos que diferenciam as abordagens de segurança SAST (Análise Estática) e DAST (Análise Dinâmica), a decisão correta do engenheiro de software deve consistir em manter a esteira travada porque a técnica SAST

Durante o ciclo de auditoria de segurança de um Sistema de Processamento de Planos de Voo (FPL), identificou-se uma inconsistência lógica na validação de mensagens de atualização compulsórias enviadas pelas companhias aéreas.
O Gerente de Engenharia de Software determinou que a equipe demonstrasse matematicamente quais linhas específicas do código-fonte do módulo de parsing foram geradas a partir de qual requisito técnico de segurança original, e quais casos de testes homologados cobrem esse escopo para subsidiar a homologação regulatória civil.
A atividade de Engenharia de Requisitos voltada a estabelecer links lógicos bidirecionais contínuos entre os requisitos de origem, os artefatos de arquitetura, os componentes de código-fonte e as suítes de testes de validação finais é classificada como rastreabilidade do tipo 

Uma equipe de engenharia de dados implantou um modelo de Aprendizado de Máquina em ambiente de produção, para prever anomalias operacionais e riscos de falhas em turbinas aeronáuticas. Após três meses de funcionamento estável, a plataforma de MLOps emitiu um alerta crítico apontando que, apesar de a infraestrutura de servidores estar operando normalmente, a acurácia das previsões do modelo degradou severamente, devido a mudanças graduais no perfil estatístico e nas propriedades das variáveis de entrada vindas dos sensores reais de telemetria, fazendo com que os dados de produção divergissem do dataset usado no treinamento inicial.
A disfunção específica que ocorre no ciclo de vida de modelos de Inteligência Artificial em produção, caracterizada pela mudança na distribuição dos dados de entrada que invalida a capacidade preditiva do modelo, é denominada

Uma equipe de engenharia de plataformas gerencia a infraestrutura em nuvem híbrida de um órgão público utilizando scripts Terraform (IaC). Durante um procedimento de deploy automatizado via pipeline de CI/CD, dois analistas dispararam simultaneamente o comando terraform apply, em suas respectivas máquinas, para modificar o mesmo conjunto de recursos de rede virtuais. O pipeline travou e retornou um erro crítico informando que o arquivo de estado (State File) estava bloqueado.
No contexto das boas práticas de gerenciamento de Infraestrutura como Código com Terraform, a ocorrência desse travamento técnico justifica-se porque o sistema implementa o seguinte mecanismo:

A equipe de Engenharia de Confiabilidade de Sites (SRE) de um portal de serviços previdenciários está definindo os acordos de qualidade operacional para a API de emissão de contracheques. Eles definiram um Indicador de Nível de Serviço (SLI) baseado na latência das requisições HTTP síncronas. Com base nisso, estabeleceram o Objetivo de Nível de Serviço (SLO) de que 99,9% das requisições válidas nas últimas 4 semanas devem retornar um código HTTP 200 em menos de 200 milissegundos.
A definição desse SLO gera matematicamente um Orçamento de Erro (Error Budget) de 0,1%.
No âmbito das práticas de SRE, a utilidade essencial desse Error Budget para a governança compartilhada entre o time de operações e o time de desenvolvimento consiste em