Prose2Policy (P2P): конвейер LLM для преобразования политик доступа в Rego
Apple описала модульный конвейер, переводящий естественно-языковые политики доступа в исполняемый код для Open Policy Agent.
Ключевые тезисы
- 01
P2P — LLM‑основанный конвейер, который детектирует политики, извлекает компоненты, проверяет схему, проводит линтинг и компиляцию, а также автоматически генерирует и запускает…
- 02
Apple описала модульный конвейер, переводящий естественно-языковые политики доступа в исполняемый код для Open Policy Agent.
- 03
P2P может уменьшить ручную работу при переводе текстовых политик в формальные правила OPA и ускорить интеграцию NLACP в существующие конвейеры управления доступом.
Что произошло
P2P — LLM‑основанный конвейер, который детектирует политики, извлекает компоненты, проверяет схему, проводит линтинг и компиляцию, а также автоматически генерирует и запускает тесты для получения Rego-кода.
Почему это важно
P2P может уменьшить ручную работу при переводе текстовых политик в формальные правила OPA и ускорить интеграцию NLACP в существующие конвейеры управления доступом.
Контекст
Apple Machine Learning Research 18 марта 2026 года представила Prose2Policy (P2P) — практический инструмент на основе больших языковых моделей для преобразования естественно-языковых политик управления доступом (NLACP) в исполняемый Rego, язык политик Open Policy Agent (OPA). P2P позиционируется как модульный, сквозной конвейер для этой задачи.
Детали
Конвейер включает этапы обнаружения политик, извлечения компонент политики, валидации схемы, линтинга, компиляции и автоматической генерации и выполнения тестов, чтобы получить работоспособный Rego-код из текстовых описаний правил доступа.