Palantir Foundry 深度研究(七):本体安全、数据治理与审计

本体要让 Agent 能改业务,安全模型就不能停留在「登录后能不能访问应用」这一层。Foundry 把权限拆成多个彼此正交的机制:markings 决定用户是否具备接触某类数据的资格,角色决定用户在资源上能做什么,对象与属性策略把可见范围细化到行列,Action 的提交条件控制一次具体业务变更能否发生,审计与谱系再回答「谁何时看过什么、改过什么、影响了哪里」。本篇沿这条链路拆解,重点不是宣传「安全强」,而是指出它的边界和容易误配的地方。

flowchart LR
  User[用户 / Agent 身份] --> Marking[Markings 资格]
  Marking --> Role[资源角色]
  Role --> Policy[对象 / 属性策略]
  Policy --> Read[读时数据过滤]
  Read --> Action[Action 提交条件]
  Action -->|允许| Write[受控写入]
  Action -->|拒绝| Deny[拒绝并记录]
  Write --> ActionLog[Action Log]
  Read --> Audit[平台 Audit Logs]
  Data[数据源与管道] --> Lineage[Lineage 与 Health Checks]
  Lineage --> Marking

Markings:强制资格与角色职责的双轴模型

Foundry 文档对 Marking 给了一个非常重要的定义:marking 是强制控制(mandatory control),role 是自主控制(discretionary control)。角色由资源所有者分配,表示「你在这个项目里能做什么」;marking 由数据保护方集中管理,表示「你是否有资格看到这类数据」。即使一个人是项目 Owner,也不能自行移除自己无权解除的 marking。

多个 marking 叠加采用 AND 语义:一个资源打上 PII 与 AML 两个标记,用户必须同时具备两项资格才能访问。Marking 本身是二元的(all-or-nothing),不负责表达「能看这个字段但不能看另一个字段」;那是细粒度策略的工作。更重要的是,marking 不只挂在文件上:它沿文件层级、直接依赖和 transform / analysis 逻辑继承与传播。数据经过脱敏管道后可以由策略移除 Raw Data marking,形成从原始敏感数据到脱敏数据的分级访问链。

这让 Foundry 的安全轴变成「资格 × 职责」:先问用户能否接触这类数据,再问其在相应资源上能否查看、编辑或管理。一个有项目编辑权但没有 PII 资格的人,仍然不能碰 PII 数据;一个有 PII 资格但没有项目权限的人,也不能随意修改项目资源。Marking 非成员甚至看不到资源存在——不会在搜索或文件夹列表里泄露名称。

这套模型适合医疗、金融、政府等敏感数据场景,但也带来操作风险:marking 的增删会立即向下游传播,误加可能把用户锁在资源之外,误删则可能扩大暴露面。权限变更需要用 Lineage 先盘点影响半径,再做审核和通知;不能把 marking 当普通标签随手改。

小结:Marking 解决「有无资格」,Role 解决「有无职责」;两者不能互相替代,且 marking 沿数据血缘传播。

对象与属性级策略:本体权限不等于数据权限

在 Ontology Manager 里配置对象安全,主要有两条路线:对象 / 属性安全策略与数据源策略。后者通过受限视图(restricted views)实现行级过滤,再配 MDO 等列级控制;前者直接挂在对象类型上,可以做对象级、属性级的细粒度访问策略。两条路线都能组合成 cell-level security(行 × 列)。

这里最需要牢记的一条区分是:看得见对象类型,不等于看得见对象数据。用户可以有对象类型的 View 权限,查看类型名、schema 与联系人信息,但仍无权读取 backing datasource 的实际数据。也就是说,schema 的可见性与实例数据的可见性分离;这对让开发者共享模型、同时保守业务数据很有用。

对象策略的优点是权限变化可以近乎即时生效,不必像受限视图那样重新构建管道;它也更适合流式对象类型和 Global Branching。数据源策略则更贴近原始数据管道,适合已有成熟行列安全与数据转换体系的团队。官方建议对于敏感数据使用 marking 等强制控制,与对象策略互补,而不是二选一。

但这类精细控制有一个关键边界:行列级过滤是读时执行,不会自动延伸到下游输出或导出;只有 mandatory / classification-based 控制会随派生数据继续适用。因此,不能把对象策略当成「数据离开 Foundry 后仍自动脱敏」的承诺。导出、物化、应用缓存或外部 API 返回值都要纳入独立威胁模型。OSDK 文档同样提醒,读时授权不延伸到应用拿到响应载荷后自行做的事情。

此外,用户对 Action 的 Apply 权限与读取策略并非同一回事。官方明确提示,读时行列控制不覆盖 Action 写入结果;动作类型配置界面也不一定展示底层对象所有权限条件,配置者需要自行核对动作能读取哪些对象、可以写哪些属性、输出是否获得足够的安全标记。权限安全不能只检查「按钮能不能点」,还要检查动作的完整读写路径。

小结:本体策略可以把读权限细化到对象和属性,但读时过滤、下游导出与 Action 写入是不同安全面,必须分别审查。

Action 权限:把业务规则变成「谁能改」

Foundry 的 Action 权限不是简单的「允许调用 / 拒绝调用」,而是至少三维:用户是否能看到动作类型、是否能编辑动作定义、以及能否以给定参数提交动作。提交条件(submission criteria)能把业务规则转成动作权限:当前用户属于哪个组、参数是否落在合法范围、执行环境是否为模拟场景,都可以成为提交门槛。

Actions-only 是新对象类型的默认写入模式。提交动作的用户只需拥有被编辑对象的读取权限,而不必直接获得 writeback 数据集的编辑权限;因此平台可以在不开放底层数据集写权限的情况下,允许用户通过受控动作创建对象。相反,多路径编辑模式若直接授予 writeback dataset 的 Edit 权限,可能暴露整个数据集,官方因此不推荐。

这里有两个需要摆在桌面上的限制。第一,Action 读取数据的授权与写入授权要分别配置:Read/Write authorizations 可限制动作能读取哪些带标记数据,并对动作产出的数据施加最低安全级别;但读时策略不一定覆盖写路径。第二,动作类型的设置页面可能不展示所有受影响对象类型的权限配置,管理员必须自行核查底层对象与属性权限是否符合预期。Action 是安全边界,不意味着配置它的人不需要做安全审查。

对 Agent 来说,这个设计很有价值:Agent 不需要获得任意 SQL 写权限,只需要拿到少数动作类型;每个动作再用提交条件限定用户、参数与业务状态。比如补货 Agent 可以提出补货动作,但系统仍能检查仓库、物料状态、数量上限与调用者授权。把业务规则写进动作闸门,比在 prompt 里写「请不要超量」可靠得多。

小结:Action 权限把「能不能做」从应用按钮移到业务契约层,但读、写、产出标记仍要分别核查。

动态安全:运行时拼出最终裁决

Foundry 将 Dynamic Security 归为本体的「动力元素」。官方文档对它的实质描述是:策略在每次交互时运行时计算,组合用户身份属性、标记、数据行列策略以及具体对象与动作上下文。它不是一个神秘的单独引擎,而是多个安全原语在运行时的组合裁决。

对 Agent 场景,这一点意味着同一工具的可用性可以随调用者与数据上下文变化。某个 Agent 在代表 Alice 执行时能读到 Alice 有权读取的对象;代表 Bob 执行时得到另一组结果。Agent 服务身份、应用 scope 与被代表用户的权限需要叠加考虑,不能把「Agent 本身登录成功」误读成「Agent 能访问所有业务数据」。同一个动作也可以因用户群组或参数不同而在运行时通过或拒绝。

这带来一种值得区分的权限方式:静态权限表决定可访问的资源范围,动态策略决定这次交互在当前上下文中是否允许。例如项目角色可以让某人访问一类对象,marking 决定这类对象中的敏感数据是否合格,对象策略进一步筛行列,Action 条件则判断具体业务变更是否满足。最终裁决是交集,不是任何一个单独开关。

小结:动态安全不是绕过静态授权,而是在静态资格与资源权限之上,结合身份、数据与动作上下文做最终判断。

审计与谱系:证明发生过什么

权限回答「能不能」,审计回答「究竟发生了什么」。Foundry 有平台审计日志与本体 Action Log 两条相关但不相同的记录链。

平台 Audit Logs 覆盖 Foundry 中的操作事件,记录 who / what / when / where,并包含认证、数据创建删除导出、令牌生成、登录登出等类别。推荐的 audit.3 schema 有 eventId、去重用 logEntryId、结果(ERROR / UNAUTHORIZED)、traceId 与用户信息;它是固定事件类别的联合结构,不提供任意自由文本。审计事件通常约 15 分钟内可用,可通过 API 推送到 SIEM 或导出到 Foundry 数据集;导出数据集可设置保留期,最长 730 天。旧 audit.2 约 24 小时归档后将停止接收新事件。

Action Log 是更贴近业务决策的记录:与 Action Type 一对一,记录成功提交的动作、动作类型版本、UTC 提交时间、Multipass 用户 ID、被编辑对象主键与来源信息;必要时可以强制某类对象只能通过带 Action Log 的动作修改。需要注意,Action Log 只记录成功提交,失败请求要靠平台审计日志与其他运行日志排查;开启日志不会回填此前提交的历史动作。回滚或撤销本身也会形成新的轨迹,但撤销能力受后续对象编辑影响。

数据 Lineage 则把「数据是怎么来的」可视化:自动生成上下游依赖,能从表下钻到列、schema、构建时间与生成代码,并覆盖 Ontology 实体。它可以辅助标记变更的影响分析、权限传播检查、数据回滚与分支谱系查看。Health Checks 关注另一类问题:数据集的状态、更新时间、大小、内容和 schema,可挂在数据集、表或调度任务上;异常能在 Lineage 与 Data Health 应用中显示,并通知相关负责人。

三者串起来,才能回答 Agent 事故后的关键问题:当时的 Agent 代表谁?它查询了哪些对象?对象由哪个数据管道生成?动作改了哪些对象?数据标记与权限在哪里传播?仅有「聊天记录」无法还原这条链。

小结:Audit Log 看平台事件,Action Log 看业务成功动作,Lineage 看数据来路;三条链共同组成可追责的证据面。

回滚不是时间机器:安全模型的边界

Foundry 的官方资料并没有承诺所有东西都能一键回滚。旧 proposal 合并后不能自动 revert,Global Branching 的部分失败合并也不能恢复到之前状态;单个用户编辑通常只能通过补充新的 Action 来对消。Action 级撤销也可能受后续编辑限制。需要把「版本回滚」「动作撤销」「数据重建」当成三件不同的事情设计。

本体层更常见的安全做法是「向前修复」:追加补偿动作、重新构建数据管道、发布修正版策略,而不是把整套系统倒回某个时间点。这样能保留后续已经发生的合法变更。对于高风险动作,执行前通过 Ontology Scenario 预演,提交条件设置审批门槛,落库后留 Action Log;出错时以补偿动作恢复业务状态。

最后还要明确一个边界:任何平台策略都不能替代组织治理。Marking 的管理者、对象策略的设计者、动作类型的所有者与 SIEM 的保管者必须各自明确;若所有权限都由同一个宽权管理员配置与批准,系统再细粒度也只是把信任集中到一个身份上。Foundry 提供机制,真正的最小权限仍是组织设计题。

小结:本体平台的安全不是「不可出错」,而是把权限裁决、变更影响与事后证据做成结构化流程,并为不可回滚的部分明确补偿路径。

参考资料

← 返回资讯列表

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?