Azure Machine Learning Studio不同用户的数据集访问权限配置问询

• 数据集级精细RBAC权限配置
  直接针对单个数据集分配差异化权限，无需修改团队成员的Azure Data Scientist角色：在Azure ML Studio中找到目标数据集，进入详情页后切换到「权限」标签，添加指定用户并分配对应权限——比如给仅需查看的用户分配「数据集读者」角色，给需要编辑使用的用户分配「数据集贡献者」角色。这种方式能精准控制不同用户对特定数据集的访问权限，覆盖你的需求。

• 基于Azure AD组批量管理权限
  如果需要批量管控多用户权限，先将团队成员按数据集访问需求划分到不同的Azure AD组中，再给每个AD组分配对应数据集的权限。比如创建「数据集A访问组」「数据集B编辑组」，分别给这些组配置对应数据集的读者/贡献者权限，后续只需调整组内成员即可，提升管理效率。

• 数据源层权限隔离（可选加固）
  若数据集关联SQL数据库或存储账户，可在数据源本身做权限隔离：比如给Azure SQL数据库的特定用户分配只读/读写权限，或给存储账户的Blob容器设置细粒度访问权限。这样就算用户拥有数据集的访问权限，若没有底层数据源的权限，也无法实际使用数据集，形成双重权限防护。

注意：默认的Azure Data Scientist角色是工作区级权限，拥有大部分数据集操作权限，配置数据集级权限时，确保用户的权限优先级是数据集级权限高于工作区级继承权限，尽量使用允许权限而非拒绝权限，避免权限冲突。

内容的提问来源于stack exchange，提问作者R. Maier