白杨商业智能工作室
#技术分享#Power BI#Fabric#语义模型

语义模型数据泄露风险有解了!Fabric 出站访问保护深度解析

· 白杨BI工作室

随着企业数据资产规模持续扩张,Power BI / Fabric 语义模型(Semantic Model)的安全管控正在成为国内企业数据治理团队的心头大事。 近日,微软 Fabric 团队发布了 语义模型出站访问保护(Outbound Access Protection, OAP) 的预览版功能。

语义模型数据泄露风险有解了!Fabric 出站访问保护深度解析

随着企业数据资产规模持续扩张,Power BI / Fabric 语义模型(Semantic Model)的安全管控正在成为国内企业数据治理团队的心头大事。

近日,微软 Fabric 团队发布了 语义模型出站访问保护(Outbound Access Protection, OAP) 的预览版功能。这是一项工作区级别的网络安全与治理能力——默认拦截工作区内所有出站流量,仅放行管理员显式信任的目标地址。

当前预览阶段仅覆盖语义模型,报表(Power BI Report)支持将在后续单独公告。

为什么需要关注?

在国内企业场景中,多部门、多租户共享 Fabric 工作区是常见做法。语义模型的连接天然具备"跨边界"能力:

  • 连接可以跨越工作区边界,从云端和本地数据源拉取数据
  • 组合语义模型(Composite Model)在 DirectQuery 模式下,会将表 A 的筛选值推送到表 B 的数据源
  • 这意味着:即使表 A 与表 B 的关联关系是无意创建的,敏感筛选值也可能出现在错误的查询日志中

⚠️ 网关层和网络安全层的防护固然重要,但它们无法阻止模型制作者在 Power BI 服务中将连接绑定到未经审批的端点。你需要在服务层面拥有一套管控策略。

OAP 是如何工作的?

OAP 本质上是工作区上的一个开关:

Workspace 设置 → 网络安全 → 开启"阻止出站公共访问"

开启后,该工作区中所有语义模型的出站连接将被默认拦截,除非你创建显式放行规则。

与国内用户熟悉的帆软 FineBI 数据连接审批机制类似,但 OAP 的粒度更细——它直接作用于模型绑定的数据连接本身,Power Query 变换、M 表达式、数据集参数都无法绕过策略。无论是 Import 刷新还是 DirectQuery 查询,连接本身在数据移动之前就会被评估。

该策略同样通过 Fabric REST API 暴露,便于企业自动化治理场景(将 outbound.publicAccessRules.defaultAction 设为 Deny)。策略变更约需 15 分钟生效。

配置要点

默认的 OAP 配置会拦截所有被视为跨工作区的数据连接,包括通过 SQL、ADLS Gen2 等非 Fabric 连接类型访问的源。需要注意的是,即使源 Lakehouse 与语义模型位于同一工作区,连接也会被拦截——你必须显式放行本地工作区:

  • Import / DirectQuery 模式:放行本地工作区的 SQL 连接类型(指定 SQL 分析端点的 FQDN)
  • Direct Lake 模式:放行本地工作区的 ADLS Gen2 连接类型(指定 OneLake 中的工作区 URL)

启用前的 Checklist

  1. 确认工作区使用 F SKU(国内 Azure 区 Fabric 可用性请参考官方文档)
  2. 确认租户设置"配置工作区级别出站网络规则"已启用
  3. 规划工作区内容:启用 OAP 的工作区只能包含受支持的项,不能有报表、仪表板等暂不支持的对象
  4. 在 Workspace 设置 → 网络安全中开启"阻止出站公共访问"
  5. 为每个目标地址添加数据连接例外(别忘了本地工作区本身)
  6. 等待约 15 分钟策略生效
  7. 验证:刷新一个 Import 模型 + 在另一个工作区打开连接到受保护工作区 DirectQuery 模型的报表

写在最后

对于正在推行数据治理和合规建设的国内企业而言,OAP 填补了 Fabric 平台在语义模型出站连接管控上的空白。在《数据安全法》和《个人信息保护法》日益严格的背景下,"默认拒绝、显式放行"的零信任思路值得借鉴。

当然,该功能目前仍处于预览阶段,暂不支持报表,且要求 F SKU。建议有需要的团队提前在测试环境中验证,为正式上线做好准备。

📎 原文链接:https://community.fabric.microsoft.com/t5/Power-BI-Updates-Blog/Outbound-Access-Protection-for-semantic-models-Preview/ba-p/5184917 📅 发布日期:2026-05-19 👤 作者:Kay Unkroth, Principal Program Manager

相关文章

Power BI 和 Microsoft Fabric 的 Databricks ADBC 连接器正式发布

Power BI 和 Microsoft Fabric 的 Databricks ADBC 连接器正式发布

微软正在把 Power Query 连接器的底层驱动从 ODBC 迁到 ADBC,这次轮到 Databricks。适用于 Power BI 和 Microsoft Fabric 的 Databricks ADBC 连接器已正式 GA(Generally Available,正式发布)。

#技术分享#Power BI#Fabric#语义模型
Power BI 2026 年 10 月功能摘要

Power BI 2026 年 10 月功能摘要

距离上一次九月更新才过去没多久,而且当时还赶上了欧洲 Microsoft Fabric + SQL 社区大会,更新量已经不小。

#技术分享#Power BI#Fabric#Copilot
Microsoft Data Factory 的 Amazon Redshift V2 连接器

Microsoft Data Factory 的 Amazon Redshift V2 连接器

微软正在对 Amazon Redshift 连接器进行重要升级,底层驱动将从旧版切换至全新的 Amazon Redshift ODBC 2.x。

#技术分享#Power BI#Fabric
F2容量跑通完整报表方案

F2容量跑通完整报表方案

很多团队一提到 Microsoft Fabric,第一反应就是:F2 这种小容量能干嘛? 跑个 Demo 都嫌卡,更别说承载一套完整的报表解决方案了。

#技术分享#Power BI#最佳实践
近似去重反而更慢?

近似去重反而更慢?

做 DAX 性能优化的人,看到 `APPROXIMATEDISTINCTCOUNT` 这个新函数,第一反应多半是:终于有办法治 `DISTINCTCOUNT` 这个性能杀手了。 但最近一轮实测下来,结论有点打脸——在某些场景下,近似去重反而比精确去重更慢。

#Power BI#最佳实践
近似去重计数:快但准吗?

近似去重计数:快但准吗?

9 月 Power BI 更新后,Import 模式和 Direct Lake 模式的语义模型开始支持 `ApproximateDistinctCount()` 这个 DAX 函数。 我在一个 14 亿行的 Direct Lake 语义模型上做了测试,数据来自纽约出租车样本。

#Power BI#最佳实践
有问题?加企业微信 1 对 1 交流 👇
➕ 添加企业微信
备注「白杨」优先通过 · 数据洞察与智能决策
企业微信
企业微信
备注「白杨」优先通过