امنیت بازیابی دانش

RAG امن با سطح دسترسی سند چگونه طراحی می‌شود؟

RAG امن سامانه‌ای است که پیش از بازیابی، هویت و مجوز کاربر را به سیاست قابل اجرا تبدیل می‌کند و فقط قطعه‌های مجاز را وارد زمینه مدل می‌سازد. امنیت با مخفی‌کردن لینک یا نوشتن «اطلاعات محرمانه را نگو» در پرامپت ایجاد نمی‌شود؛ مجوز سند، منبع، نسخه، لاگ و رفتار در نبود پاسخ باید در معماری اعمال و آزمون شوند.

معماری RAG امن با هویت کاربر، سیاست دسترسی و فیلتر اسناد پیش از مدل هوش مصنوعی

انتشار: · آخرین به‌روزرسانی:

نویسنده: — پژوهش و ویرایش با کمک ابزارهای هوش مصنوعی؛ مسئولیت انتشار با پیکا است

روش پژوهش، استفاده از AI و اصلاح محتوا

RAG امن سامانه‌ای است که پیش از بازیابی، هویت و مجوز کاربر را به سیاست قابل اجرا تبدیل می‌کند و فقط قطعه‌های مجاز را وارد زمینه مدل می‌سازد. امنیت با مخفی‌کردن لینک یا نوشتن «اطلاعات محرمانه را نگو» در پرامپت ایجاد نمی‌شود؛ مجوز سند، منبع، نسخه، لاگ و رفتار در نبود پاسخ باید در معماری اعمال و آزمون شوند.

مرز امنیت در معماری RAG کجاست؟

راهنمای RAG سازمانی مسیر دریافت سند، نمایه‌سازی، بازیابی و تولید را جدا می‌کند. در هر مرز، هویت خدمت، داده ورودی، مجوز و مقصد خروج باید مشخص باشد. خطر فقط مدل نیست؛ خط دریافت ممکن است سند خصوصی را در نمایه عمومی بگذارد، cache می‌تواند پاسخ کاربر قبلی را نشان دهد و لاگ ممکن است متن یا پرسش حساس را نگه دارد.

مسیر تصمیم مجوز تا پاسخ
  1. هویت کاربر و نشست معتبر شناخته می‌شود.
  2. سیاست نقش، گروه، ویژگی و زمینه درخواست ارزیابی می‌شوند.
  3. بازیابی فقط سند و قطعه مجاز نامزد می‌شوند.
  4. تولید مدل از زمینه محدود و قابل استناد پاسخ می‌دهد.
  5. ممیزی پرسش، تصمیم مجوز، منابع و خروجی با کمینه‌سازی داده ثبت می‌شوند.

ACL، RBAC و ABAC چه تفاوتی دارند؟

ACL مجازبودن کاربر یا گروه را روی شیء ثبت می‌کند؛ RBAC مجوز را از نقش سازمانی می‌گیرد؛ ABAC طبق تعریف NIST ویژگی‌های درخواست‌کننده، شیء، عملیات و گاهی محیط را با سیاست می‌سنجد. در عمل می‌توان گروه‌های هویت را با ویژگی‌هایی مانند واحد، پروژه، طبقه‌بندی، کشور یا تاریخ اعتبار ترکیب کرد. پیچیدگی بیشتر فقط وقتی ارزش دارد که منبع معتبر و حاکمیت ویژگی‌ها وجود داشته باشد.

انتخاب مدل کنترل دسترسی
مدلمناسب برایریسک
ACLاشتراک مشخص سند با کاربر یا گروهفهرست‌های بزرگ و تغییر دشوار
RBACمجوزهای پایدار بر اساس نقشنقش‌های فراوان و بیش‌مجوزی
ABACسیاست پویا با ویژگی سند و زمینهکیفیت ضعیف ویژگی یا سیاست مبهم

مجوز سند چگونه به قطعه و بردار منتقل می‌شود؟

هر قطعه باید شناسه منبع، نسخه، مالک، سطح محرمانگی و مرجع سیاست را حفظ کند. اگر سند دوباره بخش‌بندی یا به‌روز شد، قطعه قدیمی باید از دسترس خارج شود. طراحی متادیتا و کنترل نسخه سند برای امنیت عملی حیاتی‌اند؛ یک بردار بی‌منبع را نمی‌توان درست حذف، ممیزی یا به مجوز اصلی متصل کرد.

فیلتر مجوز چه زمانی باید اجرا شود؟

فیلتر باید در همان درخواست بازیابی و پیش از ارسال متن به مدل اجرا شود. post-filter روی ده نتیجه برتر ممکن است همه نامزدها را حذف کند و recall را کاهش دهد؛ بدتر از آن، فیلتر بعد از تولید اجازه می‌دهد متن غیرمجاز وارد مدل یا لاگ شود. جست‌وجوی سازمانی امن باید فیلتر، رتبه‌بندی و صفحه‌بندی را با هم طراحی کند.

Prompt Injection در سند بازیابی‌شده چگونه مهار می‌شود؟

OWASP تزریق مستقیم و غیرمستقیم دستور را از ریسک‌های اصلی برنامه‌های مولد می‌داند. سند، ایمیل و وب‌صفحه باید داده تلقی شوند نه دستور قابل اعتماد. جداسازی نقش پیام‌ها، محدودکردن ابزارها، اعتبارسنجی خروجی، علامت‌گذاری منبع، اسکن ورودی و تأیید انسانی برای اقدام حساس لایه‌های دفاع‌اند؛ هیچ‌کدام به‌تنهایی حذف کامل حمله را تضمین نمی‌کند.

لاگ، cache و تحلیل استفاده چگونه امن می‌شوند؟

کلید cache باید هویت یا مجموعه مجوز مؤثر را در نظر بگیرد و پاسخ خصوصی در cache عمومی قرار نگیرد. لاگ برای ممیزی لازم است، اما باید متن کامل را فقط با ضرورت و مدت نگهداری مشخص ذخیره کند. شناسه پرسش، تصمیم سیاست، شناسه منابع، نسخه مدل و نتیجه کنترل بهتر از ثبت بی‌قید همه متن‌هاست. امنیت هوش مصنوعی سازمانی باید نگهداری، دسترسی و حذف لاگ را نیز پوشش دهد.

RAG امن با چه آزمون‌هایی پذیرفته می‌شود؟

مجموعه آزمون باید ماتریس کاربر × سند × عملیات داشته باشد و علاوه بر اجازه‌های درست، منع دسترسی را بسنجد. کاربر بدون گروه، گروه حذف‌شده، سند تغییرطبقه‌داده، لینک مستقیم، کوئری بازنویسی‌شده، prompt injection، پاسخ cacheشده و خطای سرویس هویت سناریوهای ضروری‌اند. ارزیابی RAG باید کیفیت را به تفکیک سطح دسترسی گزارش کند تا امنیت با افت پنهان نتیجه معامله نشود.

  1. مدل تهدید دارایی، بازیگر، مسیر نشت و اقدام حساس را مشخص کنید.
  2. منبع هویت نشست، گروه و ویژگی معتبر و زمان انقضای آن‌ها را تعیین کنید.
  3. سیاست بازیابی فیلتر سند و قطعه را پیش از مدل پیاده کنید.
  4. آزمون منفی کاربر غیرمجاز، سند مخرب، cache و شکست وابستگی را اجرا کنید.
  5. پایش و بازبینی تغییر گروه، سیاست، سند و رخداد مشکوک را قابل پیگیری کنید.

چه زمانی RAG برای داده حساس مناسب نیست؟

اگر مالک سند، طبقه‌بندی، گروه‌های هویت، سیاست نگهداری یا امکان آزمون منع دسترسی وجود ندارد، واردکردن داده حساس به RAG زود است. ابتدا می‌توان پایلوت Document AI را روی مجموعه ناشناس یا کم‌خطر اجرا کرد و فقط استخراج و بازیابی را سنجید. خودکارسازی اقدام برگشت‌ناپذیر نیز باید تا وجود کنترل ابزار و تأیید انسانی محدود بماند.

آیا جداکردن index برای هر واحد کافی است؟

می‌تواند مرز ساده‌ای بسازد، اما اشتراک بین واحدی، تغییر گروه، سند چندطبقه و عملیات نگهداری را حل نمی‌کند؛ سیاست و آزمون همچنان لازم‌اند.

آیا رمزگذاری جای کنترل دسترسی را می‌گیرد؟

خیر. رمزگذاری از داده در انتقال یا ذخیره حفاظت می‌کند؛ سامانه پس از رمزگشایی هنوز باید تصمیم بگیرد چه کاربری چه سندی را می‌تواند بازیابی کند.

اگر مدل سند غیرمجاز را نبیند، خطر نشت تمام می‌شود؟

خطر بسیار کم‌تر می‌شود اما لاگ، cache، ابزار، تاریخچه گفتگو و خروجی فایل نیز باید با همان مرز مجوز کنترل شوند.

آیا Prompt Injection کاملاً قابل حذف است؟

خیر. باید با دفاع چندلایه، کمینه‌سازی اختیار، جداسازی داده از دستور، آزمون خصمانه و تأیید انسانی اثر آن را محدود کرد.

مجوز را پیش از مدل اعمال کنید پیکا می‌تواند مسیر هویت تا قطعه، آزمون‌های منع دسترسی و سیاست ممیزی یک پایلوت RAG امن را طراحی کند. درخواست بازبینی امنیت RAG

چه زمانی این صفحه پاسخ شما نیست؟

اگر به‌جای این راهنمای جامع به موضوع نزدیک‌تر، دامنه محدودتر یا مرحله اجرایی دیگری نیاز دارید، صفحه «جایگزین پیشنهادی» مسیر دقیق‌تری ارائه می‌کند. برای انتخاب از میان همه موضوع‌ها نیز فهرست بلاگ را ببینید.

منابع این مقاله چه زمانی بررسی شده‌اند؟

منابع زیر برای کنترل تعریف‌ها، معیارها و نکته‌های فنی مقاله بررسی شده‌اند؛ تاریخ کنار هر منبع زمان آخرین بازبینی آن را نشان می‌دهد.

  1. NIST SP 800-162 — Attribute Based Access Control — بررسی‌شده در 2026-09-11
  2. Microsoft Learn — Input, context, and retrieval hygiene — بررسی‌شده در 2026-09-11
  3. Google Cloud — Private connectivity for RAG applications — بررسی‌شده در 2026-09-11
  4. OWASP — Top 10 for LLM and Generative AI — بررسی‌شده در 2026-09-11

برای ادامه مطالعه کدام مطالب مرتبط‌اند؟

این مسیرها موضوع مقاله را از زاویه خدمت، معماری یا تصمیم اجرایی تکمیل می‌کنند و برای بررسی مرحله بعد مناسب‌اند.

اگر برای همین موضوع به مشاوره نیاز دارید

درخواست مشاوره مرتبط