5.3 安全性与合规性

5.3 安全性与合规性

图谱里装的是你的秘密

Cognee 把文档变成图，图里可能藏着客户身份证号、未公开财报、内部架构。一旦图谱被人拖走，损失比丢几份文档更大——因为图把散落信息连成了可顺藤摸瓜的网络。这一节讲清凭证、敏感数据、审计三道关。

这是第五章第三站，合规场景下不能省。

凭证与连接的加密

第三章讲过密钥走环境变量。生产里要更进一步：密钥存部署平台的密钥管理，图库连接启用 TLS，禁止明文口令写在配置文件。

import os, cognee

# 5.3 安全性与合规性
cognee.configure(
    api_key=os.getenv("OPENAI_API_KEY"),          # 密钥管理注入
    graph_db_url=os.getenv("GRAPH_DB_URL"),        # 如 bolt+ssc://... 加密
)
print("凭证与连接均已走安全通道")
# 凭证与连接均已走安全通道
​

注意图库 URL 用 bolt+ssc（加密）而非裸 bolt，避免图数据在网路里裸奔。

敏感数据的两道闸

审计：谁查了什么

图谱可溯源性也能服务审计——每条答案带 source，你可进一步记录"谁在什么时间查了哪个实体"。下面示意审计日志的落法。

import cognee, datetime

async def audited_search(user, query):
    results = await cognee.search(query)
    # 写审计日志（示意）
    log = {
        "user": user,
        "query": query,
        "time": datetime.now().isoformat(),
        "hits": [r["entity"] for r in results],
    }
    append_to_audit_log(log)     # 落库或发消息队列
    return results

# 合规场景要求查询可追溯，审计日志是底线
​

审计日志让"谁泄了密"可被回溯，也是很多行业合规的硬性要求。Cognee 的 source 字段天然适配这种需求。

案例：金融合同的脱敏建图

背景：银行要把客户合同建图做智能问答，但合同含身份证号与卡号，不能进图。

操作：摄取层先脱敏，写入前再过滤一遍。

import asyncio, re, cognee

ID_RE = re.compile(r"\d{17}[\dXx]")   # 身份证号粗匹配

def mask(text: str) -> str:
    return ID_RE.sub("***", text)

async def safe_build():
    raw = open("合同.pdf").read()
    masked = mask(raw)                 # 摄取层脱敏
    await cognee.add(masked)
    await cognee.cognify()
    print("脱敏后建图，敏感字段未入图")

asyncio.run(safe_build())
# 脱敏后建图，敏感字段未入图
​

结果：合同的关系结构（如"甲方—借款—金额"）保留，但身份证号被替换，图可查却不含隐私。

解读：合规不是"不建图"，而是"建对图"。脱敏保留结构、剔除标识，既满足智能问答又守住隐私红线。

变式：若监管要求"原文档与图分离存储"，把 source 指向权限更高的加密存储，查询时按用户权限决定是否回原文，做到图与原文分级管控。

一个合规动作：给图加"谁能看什么"的边界

前文讲凭证加密和传输安全，但图建好后还有一层：访问控制。一份图谱里可能同时有公开信息和机密关系，不能谁查都能拿到全部。实务要给敏感实体打标签，检索时按调用方身份过滤。类比到金融——同一账本，柜员看自己客户，主管看全行，权限分层。

# 敏感实体打标 + 按身份过滤（示意）
SENSITIVE = {"未公开财报", "内部架构"}

def filtered_search(q, role):
    raw = await cognee.search(q)
    if role != "admin":
        raw = [r for r in raw if r["entity"] not in SENSITIVE]
    return raw
​

把访问控制做在检索层，机密关系不会因一次宽权限查询泄露。

⚠️ 别以为"图在内部网络就安全"——内部越权同样算泄露，访问边界必须显式定义。

💡 合规审计留痕：每次 search 记谁、查了什么、返回了哪些实体，出事能追责，也满足监管。

一个脱敏：建图前先遮敏感字段

图里装秘密，最好在摄入阶段就脱敏——身份证号、手机号建图前打码，图里只留"已认证用户"这类关系而非明文。类比到金融——上链前脱敏，比上链后控访问更根本，因为明文根本没进图。

⚠️ 别依赖"图在内网就安全"——内网泄露事件不少，明文敏感字段进图是定时炸弹。

💡 脱敏规则作为摄入流水线的一环，和抽取并列，敏感字段从源头就不进图。

一个提醒：合规是持续动作

安全不是上线配一次就完。模型、图库、权限策略都会变，合规要定期复审：密钥是否轮换、敏感标签是否还在、访问边界是否收紧。类比到金融——风控不是开一次户就完，要持续监控。

⚠️ 别把合规当"上线过检"——检完松懈，泄露往往发生在松懈后的窗口期。

💡 合规项列成季度 checklist，逐项打钩留痕，审计时直接出证据。

本节要点回顾

• 密钥走平台密钥管理，图库连接启用加密通道。
• 敏感数据两道闸：摄取脱敏 + 管线 filter 删三元组。
• 审计日志记录查询者与时间，配合 source 实现可追溯。

⚠️ 别以为"图里只有关系不要紧"。关系网能把分散标识拼出个人画像， sensitivity 不低。

💡 合规设计早做：摄取层就接脱敏，比建完图再清理被动得多，也避免敏感数据落盘。