Галоўнае

Перад пошукам пацвердзіце карыстальніка, вылічыце яго effective permissions і адфільтруйце індэкс па дазволеных рэсурсах. Кэш, гісторыя дыялогу, citations і логі павінны ўлічваць тыя ж правы.

Самая небяспечная памылка карпаратыўнага RAG часта выглядае як якасны адказ. Сістэма знаходзіць дакладны фрагмент, добра яго пераказвае і нават ставіць спасылку — толькі дакумент прызначаўся іншаму аддзелу.

Фільтр пасля генерацыі тут не дапамагае. Мадэль ужо ўбачыла закрыты тэкст і магла перанесці яго ў адказ, прамежкавую трасіроўку або кэш. Правы павінны прымяняцца да retrieval або ўнутры самога пошуку.

Адкуль бярэцца ўцечка

Дакументы паступаюць з SharePoint, Google Drive, CRM, файлавых папак і ўнутраных API. Пры індэксацыі каманды часта захоўваюць тэкст і назву, але губляюць зыходныя ACL. У выніку vector store становіцца адзінай копіяй ведаў без ранейшых межаў.

Другая памылка — выкарыстоўваць адзін тэхнічны акаўнт для ўсіх запытаў. Крыніца адказвае: «гэтаму сэрвісу можна», але гэта нічога не кажа пра правы канкрэтнага супрацоўніка.

Трэцяя — правяраць доступ толькі пры адкрыцці спасылкі. Карыстальнік не адкрые файл, але ўжо ўбачыць яго змесціва ў адказе.

Як павінен ісці запыт

  1. Праграма атрымлівае пацверджаную ідэнтычнасць карыстальніка.
  2. Вызначае яго ролі, групы і кантэкст арганізацыі.
  3. Фарміруе фільтр дапушчальных рэсурсаў.
  4. Retrieval шукае толькі ўнутры дазволенага мноства.
  5. Мадэль атрымлівае толькі дазволеныя фрагменты.
  6. Цытата вядзе на крыніцу, якую карыстальнік таксама можа адкрыць.

AWS апісвае такі кантроль праз identity propagation і metadata filtering; Microsoft падтрымлівае document-level access control у пошукавым індэксе. Рэалізацыя залежыць ад платформы, але прынцып аднолькавы: рашэнне аб доступе папярэднічае перадачы тэксту мадэлі.

Што захоўваць побач з фрагментам

Мінімальныя метаданыя:

  • стабільны ID зыходнага дакумента;
  • версія і дата дзеяння;
  • уладальнік крыніцы;
  • tenant або арганізацыя;
  • дапушчальныя карыстальнікі, групы або policy reference;
  • клас адчувальнасці;
  • статус: актыўны, адкліканы, архіваваны;
  • спасылка на арыгінал.

Не абавязкова памнажаць велізарны спіс карыстальнікаў у кожным chunk. Можна захоўваць спасылку на policy і вызначаць яе правілы на этапе запыту. Важна, каб пераіндэксацыя тэксту і абнаўленне правоў былі ўзгодненыя.

ACL змяняюцца незалежна ад тэксту

Супрацоўнік перайшоў у іншы аддзел, папку закрылі, дакумент рассакрэцілі — змесціва магло застацца ранейшым. Значыць, pipeline павінен умець абнаўляць правы без поўнага перанавучання або чакання начной індэксацыі.

Патрэбныя падзеі або рэгулярная зверка ACL, дата апошняй сінхранізацыі і палітыка паводзін пры збоі. Бяспечны default — не паказваць дакумент, калі актуальнасць дазволу пацвердзіць нельга.

Кэш таксама ўдзельнічае ў мадэлі доступу

Небяспечна кэшаваць адказ толькі па тэксце пытання. Два супрацоўнікі пытаюцца пра адно і тое ж, але маюць розныя правы. Ключ кэша павінен улічваць карыстальніка або эфектыўную policy, tenant, версію індэкса і іншыя параметры, якія ўплываюць на дазволены кантэкст.

Тое ж тычыцца semantic cache і гісторыі дыялогу. Адказ, калісьці пабудаваны з закрытага дакумента, не павінен з'явіцца ў іншага карыстальніка праз памяць размовы.

Цытата не з'яўляецца кантролем доступу

Цытата дапамагае праверыць grounding. Яна не даказвае, што крыніца дазволеная. Больш за тое, назва файла накшталт Скарачэнні_2027_фінал.xlsx ужо можа раскрыць адчувальную інфармацыю.

Перад паказам трэба правяраць і змесціва фрагмента, і метаданыя цытаты, і магчымасць адкрыць арыгінал. Калі прамы URL не падтрымлівае аўтарызацыю, лепш паказаць бяспечны ідэнтыфікатар і адкрыць дакумент праз кантраляваны gateway.

Permission eval павінен быць асобным

Вазьміце аднолькавае пытанне і праверце яго ад імя некалькіх роляў:

  • супрацоўнік аддзела;
  • супрацоўнік іншага аддзела;
  • кіраўнік;
  • знешні карыстальнік;
  • карыстальнік пасля адклікання права.

Правярайце не толькі фінальны адказ, але і retrieved chunks, citations, кэш, логі і тэлеметрыю. Дадайце дакументы-прынады з унікальнымі маркерамі: калі маркер з'явіўся не ў той ролі, тэст адназначна правалены.

Крытычная ўцечка не павінна растварацца ў сярэднім RAG score. Гэта асобны release blocker.

Што рабіць з пытаннем па некалькіх абласцях доступу

Часам для поўнага адказу патрэбныя тры дакументы, а карыстальніку даступныя два. Сістэма не павінна адгадваць змесціва трэцяга. Яна можа адказаць па дазволеных крыніцах і яўна сказаць, што вынік няпоўны, або перадаць запыт уладальніку працэсу.

Такая адмова лепшая за ўпэўнены адказ, сабраны з таго, што выпадкова апынулася ў індэксе.

Мінімальны checklist

  • Ідэнтычнасць карыстальніка даходзіць да retrieval.
  • ACL зыходнай крыніцы не губляюцца пры індэксацыі.
  • Фільтрацыя выконваецца да перадачы кантэксту мадэлі.
  • Змена правоў сінхранізуецца незалежна ад тэксту.
  • Кэш улічвае effective permissions і версію індэкса.
  • Гісторыя размовы не з'яўляецца самастойнай крыніцай фактаў.
  • Карыстальнік можа адкрыць паказаную цытату.
  • Permission tests уваходзяць у абавязковую рэгрэсію.

RAG без мадэлі доступу — гэта не карпаратыўны пошук. Гэта агульная копія дакументаў са зручным размоўным інтэрфейсам.

Параўнанне

Дзе прымяняць кантроль доступу

СлойШто правярацьЧаму гэта важна
IdentityКарыстальнік, tenant, роляАдзін сэрвісны акаўнт хавае межы
RetrievalACL/metadata да выдачыМадэль не бачыць забаронены chunk
CacheПравы і версія policyЧужы адказ не выкарыстоўваецца паўторна
CitationДоступ да арыгіналаСпасылка не раскрывае закрытую крыніцу

Што праверыць

Permission eval

  1. Праверыць адно пытанне ад імя некалькіх роляў.
  2. Праверыць retrieved chunks, а не толькі фінальны адказ.
  3. Дадаць дакументы-прынады з унікальнымі маркерамі.
  4. Праверыць адкліканне доступу і змену групы.
  5. Не кампенсаваць крытычную ўцечку сярэднім RAG score.

Як мы падыходзім да задачы

У RAG-праектах CENTURY правы адносяцца да крыніцы і запыту, а не да прыгожай цытаты. Калі дазвол нельга пацвердзіць, бяспечны default — не паказваць дакумент і растлумачыць няпоўнасць выніку.

Крыніцы і спасылкі