Casbin中实现基于角色与授权的双重权限控制模型
2025-05-12 05:44:09作者:管翌锬
在权限管理系统中,有时我们需要同时考虑用户的角色和额外授权情况才能决定是否允许访问特定资源。本文将介绍如何在Casbin权限框架中实现这种双重检查的权限控制模型。
需求背景
在实际应用中,我们经常会遇到这样的场景:
- 系统定义了一套完整的角色体系(如管理员、审计员等)
- 同时某些功能需要额外授权(如购买高级功能包)
- 只有同时满足角色权限和额外授权的用户才能访问特定资源
例如:
- 管理员角色理论上可以访问所有功能
- 但实际访问高级功能时还需要用户购买了高级授权包
- 审计员角色只能读取数据,且同样需要相应授权
传统实现方案的局限性
最初尝试使用Casbin的两个分组定义(g和g2)分别表示角色和授权,并通过以下匹配规则:
m = (g(r.sub, p.sub) && r.obj == p.obj && r.act == p.act) &&
(g2(r.sub, p.sub) && r.obj == p.obj && r.act == p.act)
但这种方案无法正常工作,因为Casbin的匹配机制会分别评估g和g2,而不会同时要求两者都满足。
有效的解决方案:基于域的RBAC模型
通过将角色和授权作为不同的"域"来处理,我们可以实现所需的双重检查逻辑:
模型定义
[request_definition]
r = sub, dom, obj, act
[policy_definition]
p = sub, dom, obj, act
[role_definition]
g = _, _, _
[policy_effect]
e = some(where (p.eft == allow))
[matchers]
m = g(r.sub, p.sub, r.dom) && r.obj == p.obj && r.act == p.act
策略规则示例
# 授权定义
p, basic, entitlement, basic_feature, read
p, basic, entitlement, basic_feature, write
p, premium, entitlement, premium_feature, read
p, premium, entitlement, premium_feature, write
# 角色定义
p, admin, role, basic_feature, read
p, admin, role, basic_feature, write
p, admin, role, premium_feature, read
p, admin, role, premium_feature, write
p, auditor, role, basic_feature, read
p, auditor, role, premium_feature, read
# 用户分配
g, alice, admin, role
g, alice, basic, entitlement
g, alice, premium, entitlement
验证逻辑
在实际验证时,需要分别检查用户在"role"域和"entitlement"域的权限:
func checkAccess(e *casbin.Enforcer, sub, obj, act string) bool {
roleAccess, _ := e.Enforce(sub, "role", obj, act)
entitlementAccess, _ := e.Enforce(sub, "entitlement", obj, act)
return roleAccess && entitlementAccess
}
方案优势
- 清晰的分离:将角色和授权明确分离,便于管理和维护
- 灵活的扩展:可以轻松添加更多维度的权限检查
- 直观的策略:策略规则易于理解和维护
- 兼容现有系统:基于Casbin的标准RBAC-with-domains模型实现
实际应用建议
- 对于复杂的权限系统,建议将角色和授权分开管理
- 可以考虑使用缓存优化频繁的权限检查
- 在用户界面中,可以根据角色和授权状态动态显示可用功能
- 定期审计权限分配情况,确保符合最小权限原则
这种基于域的RBAC模型为复杂的权限控制需求提供了清晰、灵活的解决方案,特别适合需要多维度权限检查的企业级应用场景。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100