如何基于Azure用户凭据获取ARM API的access_token并保护ML端点

一、核心可行性说明 #

完全可以实现基于Azure AD用户凭据和权限的ML端点保护，Azure ML服务原生支持Azure AD身份验证，可替代服务主体实现用户级别的访问控制。

二、具体实现步骤 #

1. 配置ML端点的身份验证模式 #

将你的ML评分端点的身份验证设置为Azure AD令牌认证（而非密钥认证），确保只有携带有效Azure AD令牌的请求才能被处理。

2. 通过Azure RBAC实现权限细分 #

利用Azure角色访问控制，为用户分配不同粒度的权限，满足“大量用户在工作区但仅部分可访问端点”的需求：

• 关键权限：控制用户能否调用评分端点的核心权限是Microsoft.MachineLearningServices/workspaces/endpoints/scoring/invoke
• 内置角色选择：
  • 若要允许用户调用端点，可分配Azure ML评分端点参与者（Microsoft.MachineLearningServices/workspaces/endpoints/scoring/participant）角色，该角色仅包含调用评分端点的权限
  • 工作区的普通用户可分配Azure ML读者角色，仅能查看工作区资源，无法调用评分端点
• 自定义角色：如果内置角色无法满足需求，可创建自定义RBAC角色，精确指定允许的操作（仅包含invoke权限），避免过度授权

3. 用户获取访问令牌调用端点 #

用户可通过以下方式获取自己的Azure AD令牌，用于调用ML端点：

• Azure CLI：

  az account get-access-token --resource https://ml.azure.com
  

  命令返回的accessToken字段即为可用的令牌
• PowerShell：

  Get-AzAccessToken -ResourceUrl https://ml.azure.com
  

• 代码方式（以Python为例）：使用MSAL库实现用户交互式登录获取令牌

  import msal
  
  client_id = "<你的Azure AD应用客户端ID>"
  authority = "https://login.microsoftonline.com/<你的租户ID>"
  scope = ["https://ml.azure.com/.default"]
  
  app = msal.PublicClientApplication(client_id, authority=authority)
  result = app.acquire_token_interactive(scopes=scope)
  
  if "access_token" in result:
      access_token = result["access_token"]
      # 使用access_token调用ML端点
  

4. 端点验证逻辑 #

当用户携带令牌请求ML端点时，Azure会自动完成以下验证：

• 验证令牌的有效性（是否过期、签名是否合法）
• 检查令牌对应的用户是否具备该评分端点的invoke权限
• 仅通过验证的请求会被处理，未授权用户的请求会被直接拒绝

三、匹配你的具体需求 #

1. 凭据与权限验证：通过Azure AD令牌验证用户身份，同时通过RBAC检查用户是否拥有调用权限，双重验证确保合规
2. 工作区用户细分：给工作区用户分配不同RBAC角色，仅为需要访问端点的用户分配具备invoke权限的角色，其余用户分配只读或更低权限角色
3. 授权用户准入：未被分配对应权限的用户，即使获取了Azure AD令牌，调用端点时也会因权限不足被拒绝，实现精准访问控制

内容的提问来源于stack exchange，提问作者Onki