Casbin中基于角色的资源访问控制策略设计
2025-05-12 02:52:42作者:韦蓉瑛
在实际开发中,我们经常需要实现基于角色的细粒度访问控制。Casbin作为一款强大的访问控制框架,提供了灵活的策略定义方式。本文将探讨如何设计一个特定场景下的访问控制策略,其中要求用户只能访问与其角色ID相匹配的资源。
场景需求分析
假设我们有一个服务资源访问控制系统,要求:
- 用户通过角色获得访问权限
- 角色名称中包含服务ID(如
role:svc/111) - 用户只能访问与其角色ID相匹配的服务资源(如
svc/111)
初始策略设计
开发者最初尝试了以下模型定义:
[request_definition]
r = sub, obj, act
[policy_definition]
p = sub, obj, act
[role_definition]
g = _, _
[policy_effect]
e = some(where (p.eft == allow))
[matchers]
m = g(r.sub, p.sub) && keyGet3(r.obj, p.obj, 'id') == keyGet3(r.sub, p.sub, 'id') && keyMatch3(r.obj, p.obj) && r.act == p.act
对应的策略规则为:
p, role:svc/{id}, svc/{id}, read
g, alice, role:svc/111
问题发现
测试发现:
- 当请求主体是角色时(
role:svc/111),能够正确匹配 - 但当请求主体是用户(
alice)时,匹配失败
原因在于keyGet3(r.sub, p.sub, 'id')中,当r.sub是用户而非角色时,无法正确提取ID参数。
解决方案
Casbin提供了keyMatch4函数专门解决这类问题。该函数能够:
- 自动处理角色继承关系
- 在匹配过程中考虑角色层级
- 支持从用户主体向上查找匹配的角色
修改后的匹配规则应为:
[matchers]
m = g(r.sub, p.sub) && keyGet3(r.obj, p.obj, 'id') == keyGet3(p.sub, p.sub, 'id') && keyMatch4(r.obj, p.obj) && r.act == p.act
实现原理
keyMatch4函数的工作机制:
- 当请求主体是用户时,会向上查找其所属角色
- 自动提取角色名称中的参数(如
id) - 与资源对象中的参数进行匹配
- 确保只有参数完全一致时才允许访问
最佳实践建议
- 对于角色继承的场景,优先使用
keyMatch4而非keyMatch3 - 保持角色命名规范,使用一致的参数格式
- 在复杂场景中,可以结合自定义函数实现更灵活的匹配逻辑
- 测试时需覆盖直接角色访问和用户继承访问两种场景
通过这种设计,我们能够实现既安全又灵活的基于角色的资源访问控制,确保用户只能访问与其角色参数相匹配的资源。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.72 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
151
177
暂无简介
Dart
605
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
231
83
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3 K
React Native鸿蒙化仓库
JavaScript
237
310