# 漏掉一个 WHERE 条件，RAG 系统就会跨客户泄露数据

> 租户边界应在设计阶段落到数据库、向量库、加密密钥和配置中，而不是拖到最后一个冲刺。

原文: https://fdetimes.net/zh/guides/multi-tenant-ai-tenant-isolation-four-layers/

周五，内部文档助手正在演示。客户 A 的一名用户询问退款政策，回答却直接引用了客户 B 合同中的一段原文。没有人攻击系统，只是某条查询漏掉了 `tenant_id` 条件。

每个构建 AI 解决方案的前线部署工程师（FDE）迟早都会遇到这种情况。一个平台同时服务多个客户时，每个客户都有自己的文档、加密密钥和配置。

AWS 关于租户隔离策略的白皮书把要求说得很简洁：即使租户运行在共享环境中，一个租户的资源也不能被另一个租户访问。AWS 指出，无论通过什么途径，只要越过这条边界一次，就可能成为 SaaS 企业无法挽回的事故。

因此，租户隔离必须在最初的设计阶段就定下来，不能留到最后一个冲刺。本文围绕一个贯穿始终的示例，讲解必须锁住的四层：关系型数据、向量、加密密钥和配置。

## Silo、bridge 还是 pool：选哪种模型？

AWS 明确表示，没有一种策略适用于所有情况。合适的做法取决于业务领域、合规要求、部署模型和所选服务。针对基于 Amazon Bedrock Knowledge Bases 的 RAG，AWS 描述了三种模型，下表按隔离程度排列。

| | Silo | Bridge | Pool |
|---|---|---|---|
| 每个租户独享 | 知识库、S3 存储桶、OpenSearch Serverless 集合 | 仅知识库 | 无，整个架构共享 |
| 每租户 KMS 密钥 | 可以，因为每个租户有自己的存储桶 | 无法做到端到端的每租户加密 | 共用一个密钥 |
| 查询时如何过滤 | 在基础设施层面分开 | 按知识库区分 | 依赖租户元数据字段 |
| 适用场景 | 隔离要求最严格、能接受最高成本的客户 | 需要折中的情况 | 数量众多的小租户 |

设想你要部署一个平台，客户包括一家银行和几十家小型零售商。银行几乎一定会要求独立的加密密钥，而只有 silo 能做到。

对小型零售商来说，pool 更合理。同一个平台可以同时运行两种模型，前提是每个租户都被明确分配到某个隔离等级。

## 第一层：交给 PostgreSQL 来执行

当关系型数据共用一个数据库时，AWS 的指导明确指出，必须使用行级安全（RLS）来隔离租户。

RLS 把隔离的执行点从散落在应用代码中的数百条查询，收拢到一个地方：数据库。AWS 建议由应用在运行时设置租户上下文变量，而不是为每个租户单独创建数据库用户。

```sql
ALTER TABLE documents ENABLE ROW LEVEL SECURITY;
ALTER TABLE documents FORCE ROW LEVEL SECURITY;

CREATE POLICY tenant_isolation ON documents
  USING (tenant_id = current_setting('app.current_tenant')::uuid);
```

在应用侧，所有查询都必须经过同一个函数：

```python
def query_as_tenant(conn, tenant_id, sql, params):
    with conn.transaction():
        conn.execute(
            "SELECT set_config('app.current_tenant', %s, true)",
            (str(tenant_id),),
        )
        return conn.execute(sql, params).fetchall()
```

参数 `true` 让该值只在当前事务内生效。如果在连接池中按会话级别设置，下一个请求可能拿到一条仍带着上一个请求租户的连接。这类泄露在测试中极难发现。

为什么要多加一行 `FORCE`？PostgreSQL 文档说明，超级用户和带有 `BYPASSRLS` 属性的角色总是绕过 RLS。表的所有者也会绕过，除非该表启用了 `FORCE ROW LEVEL SECURITY`。

反过来，如果表启用了 RLS 却没有任何策略，PostgreSQL 默认拒绝：看不到任何行，也不能修改任何行。配置不完整时，系统什么都不返回，而不是返回错误的数据。

## 第二层：每个租户一个命名空间

在向量库中，最常见的错误是把 `tenant_id` 作为元数据附加上去，在查询时过滤。Pinecone 文档建议每个租户使用一个命名空间，因为每个命名空间单独存储，租户数据在物理上是隔离的。

Pinecone 还指出，如果只用元数据过滤，无论过滤条件如何，查询仍会扫描整个命名空间。这种做法既更弱，也更贵。

这似乎与上表矛盾：Bedrock 的 pool 模型恰恰依赖租户元数据字段。实际上这是两种不同的选择：Bedrock Knowledge Bases 上的 pool 共享整个架构，元数据过滤就成了唯一能区分租户的手段。

Pinecone 在命名空间上多给了一个选项。如果你的向量库有这种机制，其他部分照样共享，比如数据管道和共用的 KMS 密钥，但仍应为每个小租户分配独立命名空间，而不是只靠过滤。

```python
results = index.query(
    vector=embedding,
    top_k=5,
    namespace=tenant_cfg["vector_namespace"],
)
```

关键细节在于，`namespace` 不能取自用户输入。它必须来自租户配置，而租户配置根据已认证的登录会话查得。如果命名空间来自 URL 参数，底层的物理隔离就毫无意义。

## 第三层：把租户绑定到加密密钥

即使不得不共用一个 KMS 密钥，你仍可以借助加密上下文，把租户边界延伸到密码学层。加密上下文是一组非机密的键值对，AWS KMS 会以密码学方式把它绑定到密文上。

解密时必须提供相同的加密上下文。加密上下文还可以作为密钥策略和授权（grant）中的条件，把权限限定到具体租户。

```python
dk = kms.generate_data_key(
    KeyId=tenant_cfg["kms_key"],
    KeySpec="AES_256",
    EncryptionContext={"tenant_id": tenant_cfg["tenant_id"]},
)
```

如果租户 B 的代码取到了租户 A 的数据块，并用 B 的 `tenant_id` 上下文调用解密，KMS 会拒绝。加密上下文还会记录在 CloudTrail 中，相当于现成的按租户划分的密钥使用日志，可以直接交给客户的审计团队。

不过，正因为加密上下文会被记录，AWS 要求其中不能包含敏感信息。应使用没有业务含义的 UUID，而不是客户名称或税号。

## 第四层：配置是一切的汇合点

上面三层只有在单一来源能回答“这个租户用的是什么”时才站得住。为每个租户保留一条配置记录；每个进入系统的请求都必须先查询它，下游所有环节都从它读取。以前面的银行和零售商为例，两条记录可能是这样的：

```yaml
- tenant_id: 8f1c2e4a-5b7d-4c21-9a3e-0d6f7b2c1a90
  isolation_tier: silo
  vector_namespace: ns-8f1c2e4a
  kms_key: alias/tenant-8f1c2e4a
  model: <客户指定的模型>
  system_prompt: prompts/8f1c2e4a.md
  limits: { requests_per_minute: 60 }

- tenant_id: 3a9d7c10-2e4f-4b88-b1c5-7e0a9f6d2b34
  isolation_tier: pool
  vector_namespace: ns-3a9d7c10
  kms_key: alias/pool-shared
  model: <默认模型>
  system_prompt: prompts/default.md
  limits: { requests_per_minute: 20 }
```

注意，两条记录都用 UUID 作为标识，任何地方都没有客户名称，因此这个值可以直接放进加密上下文。按照 pool 模型，pool 租户共用密钥，但依照第二层的做法，仍有自己的命名空间。

当银行的安全团队问“我们的数据在哪里，用哪个密钥加密？”时，你只需打开他们的记录逐行指给他们看，而不必翻代码。

配置记录还为隔离测试套件提供输入。下面的测试以租户 A 登录，故意尝试读取、检索和解密 B 的数据：

```python
def test_tenant_a_cannot_reach_tenant_b(conn, index, kms, b_doc_ids, b_blob):
    a, b = load_tenant(TENANT_A), load_tenant(TENANT_B)

    # 读取：即使直接查询 B 的 tenant_id，RLS 也必须返回 0 行
    rows = query_as_tenant(conn, a["tenant_id"],
        "SELECT id FROM documents WHERE tenant_id = %s", (b["tenant_id"],))
    assert rows == []

    # 检索：A 的命名空间中不得包含任何 B 的文档
    hits = index.query(vector=PROBE_VECTOR, top_k=50,
                       namespace=a["vector_namespace"])
    assert not {m.id for m in hits.matches} & set(b_doc_ids)

    # 解密：用 A 的上下文解密 B 的数据块，必须被 KMS 拒绝
    with pytest.raises(kms.exceptions.InvalidCiphertextException):
        kms.decrypt(CiphertextBlob=b_blob,
                    EncryptionContext={"tenant_id": a["tenant_id"]})
```

在持续集成（CI）中运行这个测试时，要使用与生产环境中应用完全相同的角色。如果以所有者角色运行，即使 RLS 根本没有生效，读取检查也可能通过。

**要点:** 客户之间的边界必须落在基础设施中，不能只靠代码。

## 让隔离失效的错误

最常见的错误是让应用以表所有者角色或带 `BYPASSRLS` 的角色连接数据库。策略仍在，却对该角色不生效，于是所有测试都能通过。迁移用的角色和应用用的角色要分开。

第二个错误是把向量库的元数据过滤当成隔离机制。过滤只是查询中的一个条件，只要有一段代码忘了传，数据就会泄露。

第三个错误是图省事选了 bridge，后来才发现客户要求用自己的密钥做端到端加密。Bridge 满足不了这个要求，所以在第一次需求调研时就要问清加密密钥的问题。

最后一个错误是只测正常路径。第四层的隔离测试套件之所以有价值，是因为它故意做错误的事：读取、检索、解密其他租户的数据，然后断言这三项操作全部失败。

## 把这项技能变成面试优势

阅读 FDE 或解决方案工程师岗位的职位描述时，留意“multi-tenant”“data isolation”“customer-managed keys”或“compliance”等关键词。看到这些词，就要准备好一个具体的经历：你是如何在客户之间隔离数据、密钥和配置的。

简历上不要只写“有多租户经验”，要写具体：按事务设置租户上下文变量的 RLS、每租户一个向量库命名空间、每租户的 KMS 加密上下文，以及尝试跨租户读取的自动化测试。这样一行字能让面试官看到，你理解系统会在哪里出问题，而不只是知道术语。

下次有人说“租户隔离以后再做”，你会知道这个“以后”的代价：一段合同原文出现在错误的演示中，就足够了。

**本周动手试试:**

- 建一张包含两个租户的 Postgres 表，启用 ENABLE 和 FORCE ROW LEVEL SECURITY，然后写一个测试，证明即使以所有者角色运行，租户 A 读取 B 的数据也只返回 0 行。
- 检查当前项目中的向量库：如果租户靠元数据过滤区分，评估迁移到每租户一个命名空间的工作量。
- 在简历上加一行，写明你构建过的具体租户隔离机制，以及你是如何测试它的。

## 信源

- [SaaS Tenant Isolation Strategies: Isolating Resources in a Multi-Tenant Environment (AWS Whitepaper)](https://docs.aws.amazon.com/whitepapers/latest/saas-tenant-isolation-strategies/saas-tenant-isolation-strategies.html)

- [Multi-tenant RAG with Amazon Bedrock Knowledge Bases](https://aws.amazon.com/blogs/machine-learning/multi-tenant-rag-with-amazon-bedrock-knowledge-bases/)

- [Implement multitenancy (Pinecone docs)](https://docs.pinecone.io/guides/index-data/implement-multitenancy)

- [Row-level security recommendations - AWS Prescriptive Guidance](https://docs.aws.amazon.com/prescriptive-guidance/latest/saas-multitenant-managed-postgresql/rls.html)

- [PostgreSQL Documentation: Row Security Policies](https://www.postgresql.org/docs/current/ddl-rowsecurity.html)

- [Encryption context - AWS Key Management Service Developer Guide](https://docs.aws.amazon.com/kms/latest/developerguide/encrypt_context.html)
