英文原标题:Fine-grained access control for Amazon Bedrock Managed Knowledge Base tools

本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗

  • 企业构建AI代理时,代理代表用户搜索内部文档,需确保只返回该用户有权查看的信息,否则多租户场景下可能泄露其他部门或客户的数据。
  • 传统应用中由应用代码确定用户身份并以其权限搜索,但代理中由LLM在运行时决定调用哪个工具及参数,若搜索工具将“以谁身份搜索”作为参数,LLM可能因提示注入或错误而冒充他人。
  • 方案使用Amazon Bedrock Managed Knowledge Base作为搜索后端,通过Amazon Bedrock AgentCore Gateway将其暴露为MCP工具,核心原则是不让LLM决定用户身份,而由可信代码基于身份提供商验证的信息决定。
  • 请求流程包括:用户通过Amazon Cognito登录获得JWT,网关的JWT授权器验证令牌,请求拦截器从验证令牌解析邮箱并覆盖userContext参数,Policy in AgentCore用Cedar策略检查一致性,知识库基于ACL感知仅返回用户可查看的文档。
  • 防御分为工具层和资源层:主要防御是请求拦截器确定性注入userContext和知识库的ACL感知;次要防御是Policy in AgentCore校验和知识库的资源策略限制仅网关执行角色可调用。

关键数据

  • 示例知识库存储三份文档:部门A和部门B的业务计划,以及所有部门共享的通知。
  • 两个用户user-a(部门A)和user-b(部门B)通过同一代理搜索。
  • 默认代理使用Claude Sonnet 5.5,通过全局跨区域推理配置文件global.anthropic.claude-sonnet-5-5。
  • 需要Node.js 22或更高版本,以及uv工具。
  • AWS CDK库版本要求2.274.0或更高。
  • 若适配现有Amazon Cognito用户池,需使用Essentials或Plus功能计划。

引语

  • 设计原则是不让LLM决定用户是谁。
  • ACL感知根据收到的userContext过滤结果,本身不是授权机制。

为什么值得看:它展示了如何在多租户AI代理中通过分层防御实现细粒度访问控制,防止LLM因提示注入或错误导致数据越权访问。

站内导航