Aislamiento de inquilinos para RAG en Amazon S3 Vectors: por qué el ARN es importante.
Por qué un índice por inquilino con su propio ARN es mejor que los filtros de metadatos para lograr aislamiento, residencia, eliminación, auditoría y trazabilidad al nivel de GDPR en Amazon S3 Vectors.
Fuentes: Multi-Tenant RAG on Amazon S3 Vectors - Part 1: The Isolation Model
Imagínese un producto SaaS dirigido a organismos públicos de la UE. Cada cliente es un controlador de datos GDPR independiente, y el asistente integrado responde con información propia de ese cliente: expedientes, directrices internas y la legislación aplicable. Detrás de él hay un sistema RAG con cientos de usuarios, y allí una respuesta incorrecta no es simplemente una vergüenza; es una infracción que nadie se da cuenta.
Así es como ocurre el error. Un índice vectorial compartido almacena los datos de cada inquilino. Un trabajador social del inquilino B pregunta cuáles son los umbrales de elegibilidad para un beneficio relacionado con una capacidad laboral reducida. Entre las coincidencias más cercanas se encuentran los datos de las notas del caso de un solicitante del inquilino A, ya que una búsqueda de similitud trata esa frase como un único tema, independientemente de quién la haya escrito. El modelo responde correctamente y enumera sus fuentes; la tercera fuente es el historial médico de un ciudadano que está en poder de otra organización. La llamada devuelve HTTP 200 y todos los paneles de control siguen en estado verde.
Nada de esto es un problema del modelo. El modelo hizo lo que se le indicó. Las verdaderas preguntas son qué se le proporciona y quién se encarga de asegurarlo.
Requisitos
Parta de las leyes que protegen los datos y pregúntese qué exige cada una de ellas de un sistema de recuperación, ahora que los datos se almacenan en bloques dentro de un índice vectorial y ya no como filas en una tabla. Surgen seis requisitos, y cada uno puede formularse como algo verificable y presentable ante un auditor: aislamiento, residencia, eliminabilidad, auditabilidad, procedencia y límites honestos.
Dos de ellos suelen confundirse. La procedencia se enfoca en la respuesta y le indica al usuario en la pantalla de dónde proviene. La auditabilidad se enfoca en los datos y le dice al auditor posteriormente quién los ha leído. Mismo sistema, direcciones opuestas.
Por qué un único usuario es sencillo y cientos no
Con un solo usuario, los primeros cinco requisitos se cumplen casi sin esfuerzo. Con cientos de usuarios en un mismo índice, solo se cumplen si el código de la aplicación es perfecto, y cada uno presenta problemas a su manera.
- Aislamiento se reduce a una cláusula
WHERE tenant_id = ?adjunta a cada consulta. Si esta se omite, se selecciona el tenant incorrecto, o si un error la modifica, la búsqueda sigue realizándose. - Residencia se reduce a una sola región para todos. Un tenant cuyo contrato menciona otra región necesita un segundo almacén con capacidad y facturación adecuadas para un único cliente, y en la práctica el contrato queda como una nota al pie.
- Suprimibilidad se convierte en la tarea de encontrar y eliminar los fragmentos etiquetados con un tenant y un documento. La eliminación solo es tan efectiva como las etiquetas o la búsqueda utilizada, y una búsqueda de vecino más cercano aproximada no puede demostrar que algo está ausente.
tenant que se escribe al ingresar los datos. Muchos inquilinos tendrán un documento llamado “Benefit guidance 2026”, por lo que una citación solo es válida si se adjunta al inquilino correspondiente, y una etiqueta incorrecta se ve idéntica a una correcta.La solución es la que ya recomienda la documentación de cualquier almacén vectorial: una partición, colección, índice o esquema por inquilino. La pregunta restante es qué tipo de límite por inquilino cumple con los requisitos anteriores, ya que no todos lo hacen. El costo, la objeción habitual, surge posteriormente.
Tres lugares donde establecer el límite
El límite entre inquilinos puede existir en tres lugares, y difieren en cuanto a quién los aplica y cómo fallan.
Un filtro en el código de la aplicación
El índice se comparte; cada vector lleva metadatos tenant_id y cada consulta realiza un filtrado sobre ellos.
await client.send(new QueryVectorsCommand({
indexArn: SHARED_INDEX,
queryVector: { float32: embedding },
topK: 10,
filter: { tenant_id: { $eq: "org-b" } }, // ← the boundary
}));
Su código es el único responsable de hacer cumplir las reglas. Cuando falla, el resultado es una respuesta válida con HTTP 200, y nada fuera del proceso puede rechazarla o registrar el error.
Estructura que selecciona el código de la aplicación
Cada cliente recibe su propio índice, tabla, esquema o colección, y la aplicación elige cuál utilizar.
const index = indexFor(session.tenantId); // ← the boundary
await client.send(new QueryVectorsCommand({ indexArn: index, ... }));
La aplicación de las reglas se divide entre el código que selecciona el índice y, en el caso de una base de datos, los permisos que hayan sido configurados. Si indexFor determina un valor incorrecto, la consulta se ejecuta contra el índice de otro cliente y devuelve los datos del cliente equivocado, nuevamente con un código HTTP 200. Esto es menos evidente que un filtro, pero igualmente incorrecto. Con un esquema por cliente en Postgres, la propia base de datos rechaza las lecturas desde el esquema incorrecto, lo cual ayuda. Sin embargo, los permisos siguen perteneciendo al propio equipo, y el proveedor de nube considera un clúster como un único recurso, sin nada que rechazar ni nada que registrar por cliente.
Un recurso que el proveedor controla
Cada cliente dispone de un índice que constituye un recurso en la nube de primera categoría con su propio ARN, y las credenciales del solicitante se refieren exactamente a uno de ellos.
{
"Version": "2012-10-17",
"Statement": [{
"Effect": "Allow",
"Action": ["s3vectors:QueryVectors", "s3vectors:GetVectors"],
"Resource": "arn:aws:s3vectors:eu-west-1:123456789012:bucket/kb-eu-west-1/index/org-b"
}]
}
IAM aplica esto en cada llamada, incluso antes de que se ejecute el servicio. El mismo error indexFor ahora termina con una AccessDeniedException y no se devuelve nada, mientras que CloudTrail registra el intento rechazado en relación con el ARN solicitado. Cuanto más avanza en esta escala, más evidente se vuelve el fallo. El tercer nivel requiere una propiedad del almacén que es fácil pasar por alto: la unidad de arrendamiento debe tener un ARN.
Por qué el ARN lo resuelve
Cada declaración de IAM representa una acción sobre un recurso, y dicho recurso es un ARN o un comodín. IAM solo puede proteger elementos que cuenten con uno, y CloudTrail sigue la misma regla al registrar las llamadas a la API en relación con los ARN de los recursos.
Amazon S3 Vectors asigna a cada índice un ARN con el formato arn:aws:s3vectors:<region>:<account>:bucket/<bucket>/index/<index>. Todas las operaciones en el plano de datos (PutVectors, QueryVectors, GetVectors, DeleteVectors y ListVectors) se consideran acciones IAM sobre dicho ARN y como eventos de datos de CloudTrail registrados en relación con él. Este detalle eleva el límite del inquilino del segundo al tercer nivel.
El modelo de recursos y los seis requisitos
S3 Vectors es un tipo de bucket de almacenamiento, no una base de datos. Un bucket de vectores se crea de manera similar a un bucket S3 ordinario y reside en una región específica. Dentro de él se encuentran índices; cada índice define una dimensión, selecciona una métrica de distancia y enumera las claves de metadatos que no pueden filtrarse. Un índice almacena vectores, y cada vector combina una clave elegida por el usuario con un arreglo de números flotantes y metadatos, algunos de los cuales son filtrables. La llamada QueryVectors devuelve los k vectores más cercanos junto con ese metadato.
// Tenant onboarding = one call. No capacity to choose.
await client.send(new CreateIndexCommand({
vectorBucketName: "kb-eu-west-1",
indexName: "org-b",
dataType: "float32",
dimension: 1024, // Titan Text Embeddings V2
distanceMetric: "cosine",
metadataConfiguration: {
nonFilterableMetadataKeys: ["chunk_text"], // stored and returned, never scanned or filtered
},
}));
La incorporación de un inquilino se realiza mediante una sola llamada sin posibilidad de elección. Así es como los requisitos se corresponden con el modelo.
- Aislamiento: cada inquilino se asocia a un índice único. Las credenciales apuntan al ARN de ese índice, por lo que una consulta físicamente no puede dirigirse a otro índice, independientemente de lo que solicite la aplicación.
- Residencia: la región está incluida en el ARN del índice. Mantenga un bucket de vectores por región atendida, y cree el índice del inquilino en el bucket cuyo nombre corresponda a su contrato. Para contratos que requieren una partición operada en la UE, la AWS European Sovereign Cloud también ofrece S3 Vectors. Listar los índices de cada bucket genera el informe de residencia.
- Eliminabilidad: dado que el creador elige claves vectoriales, estas pueden generarse a partir del ID del documento y registrarse al ingresarlo. Para borrar un documento se realiza primero
DeleteVectorsy luegoGetVectorsque no devuelve ningún resultado; la consistencia estricta garantiza que esa ausencia sea fiable de inmediato. Eliminar todo un inquilino implica una sola llamada aDeleteIndex. - Auditablez: al habilitar los eventos de datos de CloudTrail para el tipo de recurso índice, cada llamada registra quién la realizó, cuándo, contra qué ARN de índice y con qué resultado. Para saber quién leyó al inquilino A basta con filtrar por el ARN de dicho inquilino.
- Procedencia: todo lo que proviene del índice del inquilino B es, por definición, de B, por lo que no se necesita etiqueta de inquilino. El ID y la versión del documento son metadatos filtrables que se muestran en la cita. El texto del fragmento se almacena como metadatos no filtrables y se devuelve junto con el vector, lo que significa que el pasaje citado es el que el modelo recibió realmente.
- Límites de honestidad: sin cambios, ya que el modelo se encuentra aguas abajo de la frontera.
Qué no hace la frontera
El tercer nivel determina qué inquilino puede acceder a qué datos. No aborda los roles dentro de un inquilino, cómo un modelo trata la mera existencia de un documento restringido, ni la calidad de las respuestas en diferentes idiomas. Esos son problemas de la aplicación y absorben la mayor parte del tiempo de ingeniería. El código mostrado es ilustrativo y utiliza el AWS SDK para JavaScript v3; por lo tanto, los nombres de los parámetros deben verificarse con la versión actual del SDK, y los nombres de inquilinos, regiones e IDs de cuenta son marcadores de posición.
Leer más
- Creación de RAG multi-inquilino en Amazon S3 Vectors: El pipeline — Un diseño de índice por inquilino en S3 Vectors: credenciales STS limitadas por ámbito, eliminación basada en claves, auditoría de CloudTrail y los límites de aislamiento que aún existen en el código de la aplicación.
- Búsqueda híbrida para RAG: Fusión en la práctica de BM25, vectores y rango recíproco — Por qué el RAG basado únicamente en vectores pierde los identificadores exactos, cómo RRF fusiona BM25 con embeddings, dónde la búsqueda híbrida rinde peor y por qué los filtros de metadatos deben aplicarse antes de la fusión.
- Por qué almacenamos vectores, no tus documentos: Casi nunca es cierto — Los sistemas de recuperación mantienen tu texto junto a sus embeddings. Aprende cómo funciona el chunking, por qué la idea de privacidad engaña y las tres preguntas clave que lo resuelven.