英文原标题：Rethinking access control for RAG with Amazon Quick and Amazon Bedrock
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 企业采用RAG从SharePoint、Google Drive、Confluence等知识源获取洞察，但这些源包含受复杂权限结构管控的敏感信息，确保AI生成的答案遵守权限是企业AI最难的挑战之一。
- 现有RAG访问控制常用复制-过滤方法：连接器定期同步ACL并存储为索引属性，查询时映射用户并过滤。但存在三个根本弱点：AI系统并非权限的权威来源、权限过期造成安全缺口、数据源权限能力不断演变。
- AWS为Amazon Quick和Amazon Bedrock Knowledge Bases实现了实时ACL检查，作为现有预检索ACL过滤之上的额外安全层，在查询时直接向权威源验证权限，避免依赖可能过期或错误映射的ACL数据。
- 以Google Drive为例，系统分两阶段执行：第一阶段预检索过滤，在向量索引上做语义搜索并应用已存储的ACL，生成候选文档；第二阶段实时验证，通过服务账号模拟生成用户特定访问令牌，调用Google Drive API验证候选文档，未授权文档被排除，仅授权内容传给LLM。
- 该方案带来三大好处：权限始终最新（撤销后AI响应立即反映）、可放心扩展知识库覆盖、减少运营负担（无需担心同步频率）。此外Amazon Bedrock提供Guardrails等内容过滤和接地检查等负责任AI控制。
关键数据
- Mondelēz International已为超过35,000名员工、横跨四个区域部署Amazon Quick。
为什么值得看：本文揭示了企业RAG中权限管控的常见缺陷，并提供了AWS通过查询时实时ACL验证来平衡性能与安全性的具体架构方案。
