欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

制造企业知识库权限分级建设方案:部门、岗位与项目三维访问控制

上邦 AI 工程团队2026-10-07阅读 约 9 分钟
制造业知识库的检索对象是图纸、BOM 与工艺规程,权限分级是立项前提而非可选功能。本文给出部门、岗位、项目三维访问控制模型与四步实施路径,附基于 Chroma 元数据过滤的可运行代码示例,并明确硬隔离与软过滤的判定原则及三项验收指标,制造企业可直接照做,先把越权查看这一高频风险堵住。

制造业知识库的权限问题为什么更难

通用办公知识库的权限设计通常只需区分部门可见性,而制造业知识库的检索对象是图纸、BOM、工艺规程与作业指导书,权限约束要复杂一档:客户委托图纸只允许项目组访问,核心工艺参数属于商业秘密,关键岗位与普通岗位的可见范围必须拉开层级。据公开信息,因内部人员越权拷贝技术图纸导致的商业秘密纠纷与刑事判例近年持续出现,涉案企业损失动辄数百万元;也有大型装备企业专门启动商业秘密保护系统建设,将设计图纸与工艺文件纳入分级管控范围。对制造业而言,权限分级不是知识库的可选功能,而是立项前提。

三维访问控制模型:部门、岗位与项目

制造业知识库的访问主体可以用三个维度完整描述:部门维度决定知识域(研发、工艺、生产、质量、销售各看各的知识域为主);岗位维度决定深度(见习岗只能看操作级内容,工程师可以看参数与配方级内容);项目维度决定客户与机型边界(受托开发的图纸、专属机型的调试记录只对项目组成员开放)。三个维度中,部门与岗位相对静态,项目维度动态变化,人员入职离职与项目结项都要能即时生效。
第一步:资产盘点分级。把待入库文档按保密级别分为公开、内部、受限三级,受限级必须登记所属项目与允许岗位清单,形成敏感数据清单。
第二步:元数据建模。为每个切片写入部门、最低岗位、项目编号、保密级别、文档类型与现行版标记六个字段,权限判断完全基于元数据,不依赖目录路径。
第三步:查询过滤。所有检索请求强制附带用户身份解析出的过滤条件,向量检索在过滤后的子空间内执行。
第四步:越权验收。用测试账号跨部门、跨项目、跨岗位发起抽查检索,确认越界查询返回空集。

用 Chroma 实现元数据过滤的参考代码

以本地向量库 Chroma 为例,入库时为每个切片写入权限元数据,查询时用 where 条件做行级过滤。以下为可运行的最小示例:
import chromadb

client = chromadb.PersistentClient(path='./mfg_kb')
col = client.get_or_create_collection('tech_docs')

col.add(
    ids=['doc-1024'],
    documents=['某机型液压缸装配工艺规程 V3.1(现行版),扭矩顺序与关键公差'],
    metadatas=[{
        'doc_type': 'process',
        'dept': 'process',
        'role_min': 'engineer',
        'project_id': 'P2026-018',
        'confidential': 'restricted',
        'is_current': True,
    }],
)

res = col.query(
    query_texts=['液压缸装配扭矩顺序'],
    n_results=5,
    where={'$and': [
        {'is_current': True},
        {'dept': {'$in': ['process', 'production']}},
        {'confidential': {'$ne': 'secret'}},
    ]},
)
print(res['documents'])
岗位层级的过滤建议放在应用层实现:解析用户角色后,将允许的文档类型集合拼入 where 条件,向量库保持无状态,避免在每个客户端各维护一份权限逻辑。

硬隔离与软过滤的判定原则

三维模型落库时遵循一条判定原则:跨主体硬隔离,主体内软过滤。客户项目之间、关联公司之间属于跨主体,应使用独立的 collection 或独立的数据库实例物理隔离,避免任何过滤遗漏导致串库;同一主体内的部门与岗位差异属于软过滤,用元数据条件控制即可,便于后续随组织调整而变更。多数中小企业只有一个法人主体,客户项目维度的隔离是重点,建议每个受托项目一个独立 collection。

验收指标与持续抽查

权限设计是否生效要靠可量化验收:其一,越权抽查通过率,每周用固定测试账号矩阵发起跨部门、跨项目查询,目标全部返回空集;其二,现行版命中率,权限过滤与版本过滤叠加后,检索结果中作废文档占比应趋近于零;其三,权限变更时效,人员调岗或项目结项后,其访问边界应在一次同步周期内收敛。三项指标纳入月度巡检,权限体系才不会随时间松动。
需要提醒的是,向量库的元数据过滤解决的是检索侧边界,源文件的存储加密、下载管控与操作审计属于另一层防护,两者叠加才构成完整闭环。对中小企业而言,先做检索侧权限分级,把越权查看这一最高频风险堵住,再逐步补齐文件层防护,是投入产出比最合理的顺序。
上邦的私有 AI 知识库方案内置文档分级、检索权限过滤与本地化部署能力,适配制造企业的图纸、工艺与客户资料场景,方案介绍见 https://aiwork.shangbon.com/ai-rag.html。

参考来源

从被动防御到主动防护,看一家钢铁企业如何筑牢智能制造的安全底座 - 中国日报网
国机重装启动商业秘密保护系统建设项目 - 天喻软件
Chroma 官方文档:Querying 与 Metadata Filtering - Chroma
相关标签:企业AI知识库制造业权限分级Chroma数据安全

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案