Files
DataMate/runtime/datamate-python/app/module/kg_graphrag/kb_access.py
Jerry Yan 39338df808 feat(kg): 实现 Phase 2 GraphRAG 融合功能
核心功能:
- 三层检索策略:向量检索(Milvus)+ 图检索(KG 服务)+ 融合排序
- LLM 生成:支持同步和流式(SSE)响应
- 知识库访问控制:knowledge_base_id 归属校验 + collection_name 绑定验证

新增模块(9个文件):
- models.py: 请求/响应模型(GraphRAGQueryRequest, RetrievalStrategy, GraphContext 等)
- milvus_client.py: Milvus 向量检索客户端(OpenAI Embeddings + asyncio.to_thread)
- kg_client.py: KG 服务 REST 客户端(全文检索 + 子图导出,fail-open)
- context_builder.py: 三元组文本化(10 种关系模板)+ 上下文构建
- generator.py: LLM 生成(ChatOpenAI,支持同步和流式)
- retriever.py: 检索编排(并行检索 + 融合排序)
- kb_access.py: 知识库访问校验(归属验证 + collection 绑定,fail-close)
- interface.py: FastAPI 端点(/query, /retrieve, /query/stream)
- __init__.py: 模块入口

修改文件(3个):
- app/core/config.py: 添加 13 个 graphrag_* 配置项
- app/module/__init__.py: 注册 kg_graphrag_router
- pyproject.toml: 添加 pymilvus 依赖

测试覆盖(79 tests):
- test_context_builder.py: 13 tests(三元组文本化 + 上下文构建)
- test_kg_client.py: 14 tests(KG 响应解析 + PagedResponse + 边字段映射)
- test_milvus_client.py: 8 tests(向量检索 + asyncio.to_thread)
- test_retriever.py: 11 tests(并行检索 + 融合排序 + fail-open)
- test_kb_access.py: 18 tests(归属校验 + collection 绑定 + 跨用户负例)
- test_interface.py: 15 tests(端点级回归 + 403 short-circuit)

关键设计:
- Fail-open: Milvus/KG 服务失败不阻塞管道,返回空结果
- Fail-close: 访问控制失败拒绝请求,防止授权绕过
- 并行检索: asyncio.gather() 并发运行向量和图检索
- 融合排序: Min-max 归一化 + 加权融合(vector_weight/graph_weight)
- 延迟初始化: 所有客户端在首次请求时初始化
- 配置回退: graphrag_llm_* 为空时回退到 kg_llm_*

安全修复:
- P1-1: KG 响应解析(PagedResponse.content)
- P1-2: 子图边字段映射(sourceEntityId/targetEntityId)
- P1-3: collection_name 越权风险(归属校验 + 绑定验证)
- P1-4: 同步 Milvus I/O(asyncio.to_thread)
- P1-5: 测试覆盖(79 tests,包括安全负例)

测试结果:79 tests pass 
2026-02-20 09:41:55 +08:00

119 lines
4.2 KiB
Python

"""知识库访问权限校验。
在执行 GraphRAG 检索前,调用 Java rag-indexer-service 的
GET /knowledge-base/{id} 端点验证当前用户是否有权访问该知识库。
Java 侧实现参考:KnowledgeBaseService.getKnowledgeBaseWithAccessCheck()
- 查找 KB 是否存在
- 校验 createdBy == currentUserId(管理员跳过)
- 不满足则抛出 sys.0005 (INSUFFICIENT_PERMISSIONS)
"""
from __future__ import annotations
import httpx
from app.core.logging import get_logger
logger = get_logger(__name__)
class KnowledgeBaseAccessValidator:
"""通过 Java 后端校验用户是否有权访问指定知识库。"""
def __init__(
self,
*,
base_url: str = "http://datamate-backend:8080/api",
timeout: float = 10.0,
) -> None:
self._base_url = base_url.rstrip("/")
self._timeout = timeout
self._client: httpx.AsyncClient | None = None
@classmethod
def from_settings(cls) -> KnowledgeBaseAccessValidator:
from app.core.config import settings
return cls(base_url=settings.datamate_backend_base_url)
def _get_client(self) -> httpx.AsyncClient:
if self._client is None:
self._client = httpx.AsyncClient(
base_url=self._base_url,
timeout=self._timeout,
)
return self._client
async def check_access(
self,
knowledge_base_id: str,
user_id: str,
*,
collection_name: str | None = None,
) -> bool:
"""校验用户是否有权访问指定知识库。
调用 Java 后端 GET /knowledge-base/{id},该端点内部执行
owner 校验(createdBy == currentUserId,管理员跳过)。
当 *collection_name* 不为 None 时,还会校验请求中的
collection_name 与该知识库实际的 name 是否一致,防止
用户提交合法 KB ID 但篡改 collection_name 来访问
其他知识库的 Milvus 数据。
Returns:
True — 用户有权访问且 collection_name 匹配
False — 无权访问、collection_name 不匹配或校验失败
"""
try:
client = self._get_client()
resp = await client.get(
f"/knowledge-base/{knowledge_base_id}",
headers={"X-User-Id": user_id},
)
if resp.status_code == 200:
body = resp.json()
# Java 全局包装: {"code": 200, "data": {...}}
# code != 200 说明业务层拒绝(如权限不足)
code = body.get("code", resp.status_code)
if code != 200:
logger.warning(
"KB access denied: kb_id=%s, user=%s, biz_code=%s, msg=%s",
knowledge_base_id, user_id, code, body.get("message", ""),
)
return False
# 校验 collection_name 与 KB 实际名称的绑定关系
if collection_name is not None:
data = body.get("data") or {}
actual_name = data.get("name") if isinstance(data, dict) else None
if actual_name != collection_name:
logger.warning(
"KB collection_name mismatch: kb_id=%s, "
"expected=%s, actual=%s, user=%s",
knowledge_base_id, collection_name,
actual_name, user_id,
)
return False
return True
# HTTP 4xx/5xx
logger.warning(
"KB access check returned HTTP %d: kb_id=%s, user=%s",
resp.status_code, knowledge_base_id, user_id,
)
return False
except Exception:
# 网络异常时 fail-close:拒绝访问,防止绕过权限
logger.exception(
"KB access check failed (fail-close): kb_id=%s, user=%s",
knowledge_base_id, user_id,
)
return False
async def close(self) -> None:
if self._client is not None:
await self._client.aclose()
self._client = None