行业动态AWS Machine Learning Blog
来源时间 本站刊期
用 Amazon Quick 和 Amazon Bedrock 重新思考 RAG 的访问控制
Rethinking access control for RAG with Amazon Quick and Amazon Bedrock
亚马逊在查询时回源核验权限，代价是每次检索都多一次校验开销。
判断
企业检索增强生成平台负责人现在要把权限判断放在索引期还是查询期，因为 Amazon Quick 与 Bedrock Knowledge Bases 把查询期回源核验做成了一条可选路径；选它，检索链路每次都要多一次校验。
依据
AWS 的 Amit Choudhary 和 Surendran Raju 在 AWS Machine Learning Blog 中称，Amazon Quick 与 Amazon Bedrock Knowledge Bases 通过实时 ACL（access control list，访问控制列表）执行，让 AI 生成的答案遵守源系统的权限结构。机制是：企业把 SharePoint、Google Drive、Atlassian Confluence 等知识源接入 RAG（Retrieval Augmented Generation，检索增强生成）后，查询时直接向权威源核验权限，而不是只信索引里的权限副本。这样多部门共用同一个知识库时，成员只能拿到自己有权访问的文档片段；代价是每次检索都多一次校验开销，检索延迟和源系统可用性成为新变量。
- 用户提问提交查询
- 检索知识库片段候选片段
- 回源核验权限按权限过滤
- 生成回答
没写清 材料没有给出查询时回源校验的延迟增量、源系统不可用时的降级返回，也没有说明缓存能抵消多少开销。
下一步 下一步可核对 Amazon Quick 与 Bedrock Knowledge Bases 的 ACL 执行文档，看它是否列出延迟指标、缓存策略和校验失败时的返回规则。