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。
要点速览
- 一次跨租户数据泄露,可能就是企业无法挽回的事故,因此隔离必须落在基础设施中,不能只靠应用代码。
- RAG 系统有三种模型:silo 隔离最强、成本最高,pool 全部共享,bridge 介于两者之间。
- 需要处理四层:Postgres 中的 RLS、每租户一个向量库命名空间、每租户的 KMS 加密上下文,以及从单一来源查询的每租户一条配置记录。
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。
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:
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。
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。
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:
- 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:
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。
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。
这篇文章对你有帮助吗?
感谢你的反馈!
6 个信源
- SaaS Tenant Isolation Strategies: Isolating Resources in a Multi-Tenant Environment (AWS Whitepaper) · 2020-08-01
- Multi-tenant RAG with Amazon Bedrock Knowledge Bases · 2024-12-16
- Implement multitenancy (Pinecone docs)
- Row-level security recommendations - AWS Prescriptive Guidance
- PostgreSQL Documentation: Row Security Policies
- Encryption context - AWS Key Management Service Developer Guide