4. RBAC模型核心原理与变体

4.1 边界与分层

ABAC（Attribute‑Based Access Control）将授权决策从固定的角色/权限三元组解耦为基于任意属性组合的评估。在B端系统中，ABAC通常作为RBAC的补充层部署于策略决策点（PDP）中，与身份认证、资源服务、审计日志形成分层架构：

• 属性定义层：统一管理主体、资源、环境三类属性元数据。
• 策略表达式层：定义规则引擎（如XACML、自定义表达式）与策略存储。
• 决策执行层：PDP完成属性匹配与逻辑运算，PEP实施访问决策。
• 审计与监控层：记录每次属性取值与决策结果，用于调试与合规。

4.2 组件职责

4.3 数据流与控制流

一次ABAC请求的典型信任链路：

1. 用户请求→PEP：HTTP请求携带身份令牌与操作意图。
2. PEP→PDP：发送subject_id, resource_id, action, environment_context。
3. PDP→PIP：根据策略所需属性键，从PIP拉取对应值（如用户部门、资源等级、当前时间）。
4. PDP内部评估：策略引擎将属性值代入表达式树，计算布尔结果。
5. PDP→PEP：返回Permit/Deny+义务。
6. PEP→资源服务：仅当Allow时转发请求。

4.4 策略表达式引擎

策略表达式通常为条件-目标结构，例如判定“只有当用户所属部门与资源所属部门相同且访问时间在9:00-18:00时允许”。以下为一个简化JSON策略示例：

{
  "ruleId": "deptTimeRule",
  "effect": "Permit",
  "condition": {
    "allOf": [
      { "attr": "subject.department", "op": "eq", "value": "resource.ownerDept" },
      { "attr": "environment.currentHour", "op": "between", "value": [9,18] }
    ]
  }
}

实际生产环境中，表达式引擎支持嵌套逻辑、数值计算、字符串正则等。常见实现有OPA（Rego）、阿里OAuth2.0 XACML、自定义AST解释器。

4.5 ABAC与RBAC的互补关系

4.6 选型权衡与风险点

• 性能风险：每次决策需拉取多个属性，若PIP远程调用延迟大，决策时间会飙升。解决方案：属性值缓存、预计算、批量获取。
• 策略冲突：多条规则同时命中时需定义优先级（First-match / Weighted / Deny-override）。
• 调试困难：属性值分散且受运行时状态影响。验收时需要属性追踪日志：记录每次决策使用的属性快照与表达式中间结果。
• 属性爆炸：无约束的属性扩展可能导致策略难以维护。验收标准中应限定属性分类不超过50个核心属性。

4.7 落地步骤

1. 属性建模：梳理主体（用户、组织）、资源（API、文档）、环境（时间、网络、设备）三类属性的来源与格式。
2. PIP网关建立：统一属性查询接口，返回JSON结构。
3. 策略引擎选型：根据性能要求选择OPA或自研，设计表达式语法与优先级算法。
4. 沙箱测试：编写典型场景（如跨部门访问、非工作时间操作）的自动化测试用例。
5. 灰度上线：先对非关键资源启用ABAC决策，对比RBAC结果一致性。

4.8 验收标准

• 决策正确率100%（以RBAC+ABAC组合预期为准）
• PDP单次决策延迟 ≤ 20ms（99.9%）
• 属性变更无需重启策略引擎（热加载支持）
• 每条策略均有唯一ID与变更记录，可回溯至需求