AI News

RAG权限控制实战:MCP工具如何做到用户级数据隔离

为Bedrock知识库MCP工具加入用户级身份、策略校验和资源策略,防止Agent跨权限检索企业资料。

RAG权限控制实战:MCP工具如何做到用户级数据隔离

企业把知识库暴露为MCP工具后,最大的隐患不是回答不够聪明,而是Agent可能检索到当前用户无权查看的资料。AWS在2026年11月12日给出Bedrock Managed Knowledge Base细粒度权限方案:由请求拦截器注入经过验证的身份,AgentCore策略独立校验,再用资源策略阻止绕过网关直接访问。核心原则是权限由可信系统决定,模型只负责在授权结果内工作。

为什么前端传user_id不安全

如果客户端在请求体里写“我是管理员”,Agent或工具直接相信该字段,攻击者就能修改请求越权。正确做法是由登录系统签发令牌,网关验证签名、有效期、受众和租户后提取身份。用户输入、提示词和模型输出都不能改变这些声明。即使模型被提示注入,也无法把普通用户变成管理员。

三层权限结构

第一层是入口认证,确认调用者身份;第二层是策略决策,根据用户、部门、文档标签和动作判断是否允许;第三层是资源防护,知识库只接受来自受控网关或指定角色的请求。三层缺一不可:只有入口认证无法处理文档级权限,只有应用过滤可能被绕过,只有资源策略又难以表达每个用户的业务范围。

元数据和索引设计

每个文档块应携带租户、部门、项目、保密级别、所有者和有效期等元数据。同步数据时从权威目录生成这些字段,不能让上传者随意降低密级。检索请求由策略层生成过滤条件,并与用户查询分离。文档权限变化后要及时重新同步或更新索引,删除权限不能只依赖缓存自然过期。

MCP工具的输入输出

工具Schema只暴露业务需要的查询参数,不允许调用方直接传任意IAM角色或过滤表达式。工具内部从可信上下文读取身份并执行策略。输出不仅返回片段,还包含文档ID、权限决策ID和可展示的引用。若无权访问,应返回统一拒绝,避免通过错误信息推断敏感文档是否存在。

缓存与多轮对话

检索缓存键必须包含租户、用户或权限集合、知识版本和查询,不能跨权限共享结果。用户角色变化或离职后立即失效相关缓存和会话。多轮对话中,模型可能在早期看到过内容,因此权限收紧后应启动新会话或清理受影响上下文,不能只限制下一次检索。

测试越权而不只测正常流程

准备同名文档分属不同部门、权限刚被撤销、跨租户ID、伪造声明、过期令牌、直接调用知识库和提示注入等用例。检查检索结果、日志和缓存都没有泄露。审计记录应包含主体、策略版本、资源范围、决策结果和请求ID,但对查询正文做必要脱敏。定期由独立人员复查拒绝与放行样本。

上线顺序

先让MCP工具只读并限制在低敏资料,开启影子策略记录“本应拒绝”的请求,再正式执行拒绝。逐步接入更多数据域,每次新增元数据规则都运行回归测试。模型升级不应改变权限结果,策略升级则需要审批和回滚。做到即使Agent出错、提示被注入或工具被直接调用,底层数据边界仍然成立,才是可靠的企业RAG。

站内相关阅读

参考来源

官方原始资料。本文依据官方资料独立整理,并补充实施、验收与风险控制建议;产品能力、区域和价格以官方最新说明为准。

Next Reading

继续深入这个主题

从专题、教程和热门关键词继续阅读,帮助搜索引擎和读者理解文章之间的关系。

ChatGPT / GPT Claude Gemini DeepSeek AI Agent 大模型 AI赚钱 开发者