# 聊天机器人泄露工资单，问题出在检索

> 权限要在文本进入提示词前校验，选对 RBAC、ABAC、ReBAC 或 PBAC，客户的访问规则才能完整保留。

原文: https://fdetimes.net/zh/guides/rbac-abac-rebac-pbac-permissions-rag/

驻场第二周。内部聊天机器人的演示一直很顺利，直到一位销售问起今年的奖金政策，机器人直接引用了高管工资单里的一段内容。

模型本身没有做错什么。它回答了别人问的问题，用的是检索步骤交给它的文档。问题在于，数据管道既不知道提问的是谁，也不知道这个人能看什么。

每个为企业构建 RAG 或 Agent 的前线部署工程师（FDE）都会碰到这件事。客户本来就有一套授权模型，有时写得很明确，更多时候隐含在 SharePoint 或 Confluence 里。FDE 的工作，是把这套模型完整搬进 AI 应用，一条规则都不能丢。

## 为什么漏洞出在检索环节？

OpenFGA 文档把要求说得很直白：文档级权限必须在数据管道中执行，让 RAG 只返回用户有权查看的内容。换句话说，授权决策必须发生在任何文本进入模型上下文之前。

一段文字一旦进了提示词，“不要泄露机密信息”之类的指令就只是一种请求。所以真正的工程问题是：用哪种模型复现客户的权限，以及在哪里过滤。

## 同一条规则，四种描述方式

还是这家公司，试着用每种模型写出“只有高管团队能看工资单”这条规则。对同一项权限，每种模型提出的问题都不一样。

最常见的是基于角色的访问控制（RBAC）：按 Auth0 的定义，权限按组织中的角色分配，每个角色是一组施加在用户身上的权限。对工资单来说，建一个“高管团队”角色就够了，审计也简单。

规则一旦带上上下文，麻烦就来了。假设客户有 5 个部门、4 个职级、3 个区域，如果每种组合都要单独一个角色，还没算项目就已经有 60 个角色。

这就是 Ping Identity 警告的“角色爆炸”。AWS 还指出另一个缺点：每出现一个新资源，都得更新策略来授予访问权限。

如果客户的文档已经标注了部门和敏感级别，基于属性的访问控制（ABAC）会整洁得多。“请求者的部门与文档部门一致，且职级足以访问该敏感级别”这样一条规则就能取代全部 60 个角色，因为决策依据的是人、资源和环境的属性。

AWS 表示，这种方式所需策略更少，并能随新资源自动扩展。代价是标签必须干净：有一份工资单文件忘了打标签，就是一次泄露。

不过很多客户什么都不标注。他们的权限体现在“工资单”文件夹共享给了谁，这是一种关系。基于关系的访问控制（ReBAC）正是为此建模：访问权限来自用户、群组和文档之间的关系，需要描述整张关系图。Google 的 Zanzibar 常被当作范本。

基于策略的访问控制（PBAC）回答的是另一个问题：规则放在哪里，归谁管？所有决策都经过一个策略引擎，规则用声明式语言编写，安全团队可以编写、版本管理和审计规则，也能快速调整权限，而不必在整个组织范围内审查角色。

| 模型 | 回答的问题 | 适合哪类客户 | 代价 |
|---|---|---|---|
| RBAC | 这个人担任什么角色？ | 组织角色少，需要简单审计 | 角色数量膨胀；新资源意味着改策略 |
| ABAC | 人、文档和上下文的属性是否匹配？ | 文档已按部门和敏感级别打好标签 | 属性必须干净并保持最新 |
| ReBAC | 这个人和文档是什么关系？ | 访问权限跟着文件夹、群组和共享关系走 | 必须描述并同步整张关系图 |
| PBAC | 中央规则怎么说？ | 安全团队希望把规则当作代码管理 | 需要策略引擎，以及专人维护规则 |

实践中的教训是：客户说“我们用角色”，并不等于他们用的是 RBAC。如果权限归根结底是“这个文件夹共享给了谁”，那就是关系，ReBAC 更合适。

## 示例：继承文件夹权限的文档

OpenFGA 给出的一个例子和客户现场的情况非常接近：文档属于某个文件夹，并继承该文件夹的查看者，能查看文件夹的人就能查看其中所有文档。用 OpenFGA 的建模语言，这条规则只需几行：

```
model
  schema 1.1

type user

type folder
  relations
    define viewer: [user]

type document
  relations
    define parent: [folder]
    define viewer: [user] or viewer from parent
```

最后一行承载了全部继承逻辑。“工资单”文件夹的查看者只有高管团队，里面的工资单文件自然也只有他们能看，无需新建任何角色。

下一步是决定在哪里过滤。OpenFGA 介绍了两种做法：后过滤，先查询向量库，再逐条检查结果的权限；预过滤，先取出用户可查看的文档列表，再把这些 ID 作为过滤条件传给向量检索。预过滤的示意代码如下：

```python
def retrieve(user_id, question, k=8):
    allowed = fga.list_objects(
        user=f"user:{user_id}",
        relation="viewer",
        type="document",
    )
    return vector_db.search(
        query=question,
        top_k=k,
        filter={"doc_id": {"$in": allowed}},
    )
```

选择预过滤的理由是一道简单的算术题。用后过滤时，如果取 top 8，而 8 个分块都来自机密文档，用户拿到的就是 0 个分块，哪怕第 9 名就是一份有权查看的文档。

预过滤的风险正好相反：对于能看很多内容的人，ID 列表可能变得非常长，所以要在客户的真实数据上测一测。

**要点:** 文本一旦进入提示词，权限就已经被绕过；所有授权决策都必须在此之前做出。

## 在客户现场如何从零开始

先做需求调研，再写代码。准备几个简短的问题：

- 文档存放在哪些系统里？
- 谁来决定权限？
- 权限是绑定角色、标签，还是共享文件夹？
- 有人离职时，在哪个系统里收回他的访问权限？

最后一个问题的答案，通常会揭示你需要锚定的权威数据源。

然后根据权限的实际运作方式选择模型，不管客户怎么称呼它。按文件夹和共享划分的权限指向 ReBAC；已按部门和敏感级别打好标签的文档适合 ABAC；如果安全团队希望像审查代码一样审查规则，就该考虑 PBAC。

文档存放在 Drive、Confluence 或 SharePoint 时，OpenFGA 建议把内容同步到向量数据库、把权限同步到 OpenFGA，并让两者都与源系统保持一致。这意味着两条独立的数据管道，每条都需要调度计划、偏离时的告警，以及处理删除的机制。

最后，用真实用户测试。找来自三个部门的三个账号，问同一个问题，检查引用的文档集合是否恰好按预期有所不同。

写简历时，别笼统地写“构建了 RAG”，而要写清楚你为文档级权限建模，并从源系统同步权限。面试企业级 RAG 岗位时，可以问对方如何处理文档级权限。

这个问题能让你看出产品的成熟度，也能让对方知道，你清楚这类项目通常在哪里出问题。

## 常见陷阱

第一个陷阱是为了演示同步一次权限，之后就忘了。内容过期几天也许没人察觉，但权限过期几天，就意味着刚被收回权限的人仍能向机器人提问。

第二个陷阱是让 Agent 通过高权限的服务账号读取文档，指望提示词能约束它。第三个是每遇到一种特殊情况就再建一个角色，这是通往角色爆炸的捷径。

最后一个是只依赖固定 top-k 的后过滤，导致权限少的用户得到空答案，进而认定机器人“不好用”。这样失去的，恰恰是人数最多的那批用户的信任。

企业级 AI 应用能否赢得信任，与其说取决于它回答得多好，不如说取决于它能否在正确的时刻、对正确的人保持沉默。

**本周动手试试:**

- 拿你自己的一个 Google Drive 或 Confluence 文件夹，梳理清楚谁能看什么，再改写成 OpenFGA 授权模型
- 搭一个带两个虚拟用户的小型 RAG，加上预过滤，并写一个测试，断言用户 A 永远不会拿到来自用户 B 文档的分块
- 起草五个关于权限的调研问题，带到和客户的第一次工作会议上

## 信源

- [Role-Based Access Control (Auth0 Docs)](https://auth0.com/docs/manage-users/access-control/rbac)

- [Ping Identity – RBAC vs. Adaptive access control (authorization methods)](https://www.pingidentity.com/en/resources/identity-fundamentals/authorization/authorization-methods.html)

- [Define permissions based on attributes with ABAC authorization (AWS IAM User Guide)](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction_attribute-based-access-control.html)

- [Relationship-based Access Control (ReBAC) – Aserto Docs](https://docs.aserto.com/docs/authorization-basics/authorization-models/rebac)

- [How to Implement Relationship Based Access Control (ReBAC)](https://www.freecodecamp.org/news/implement-relationship-based-access-control/)

- [Policy-Based Access Control (PBAC) – The Complete Know How for Organizations](https://heimdalsecurity.com/blog/policy-based-access-control/)

- [RAG Authorization (OpenFGA Docs)](https://openfga.dev/docs/modeling/agents/rag-authorization)
