AI加速网络攻击进程，企业数据泄露风险上升

2026年7月，美国科技企业IBM与隐私与数据安全研究机构Ponemon Institute联合发布《2026年数据泄露成本报告》，该报告基于连续第21年开展全球数据泄露研究，对602家遭遇数据泄露的组织进行分析，重点考察人工智能加速网络攻击生命周期对企业数据泄露成本及安全防御的影响。同年7月，美国法律服务与咨询机构Baker Donelson律师事务所进一步发布《IBM 2026年数据泄露成本报告十大要点》，从数据泄露成本、AI驱动攻击、勒索软件、AI治理、影子AI、数据加密和后量子密码等方面对IBM报告进行了梳理。报告与解读文章均指出，AI正在改变网络攻击和安全防御的运行速度，同时给企业带来新的AI安全与治理问题。

一、AI驱动攻击加速，数据泄露成本上升

IBM报告显示，全球数据泄露平均成本达到499万美元，较上年增长12%，创历史新高。同时，AI驱动攻击增加56%，每起相关数据泄露事件平均增加约100万美元成本。IBM指出，随着前沿AI模型能够加快威胁发现、自动化漏洞利用、生成适应性恶意代码并大规模协调攻击，网络攻击速度正由以人为主的运行节奏向机器速度转变，企业发现、验证和遏制安全事件的响应时间进一步受到压缩。

当攻击者利用AI自动开展侦察、生成具有说服力的钓鱼内容、调整恶意软件，并以机器速度测试漏洞时，复杂攻击的实施速度、规模和精准度均可能提高。报告显示，检测与升级以及业务损失两项成本占所研究数据泄露事件总成本的63%。Baker Donelson对报告的梳理显示，超过四分之一的受调查组织经历了利用AI实施的攻击，其中深度伪造冒充占AI攻击的45%，AI辅助恶意软件和AI生成式钓鱼均占19%。此外，39%的组织报告遭遇勒索软件攻击，其中41%的相关攻击涉及通过公开羞辱、媒体泄露等方式针对企业品牌声誉。

二、AI与自动化同步加快安全防御

AI不仅被攻击者用于提高攻击速度，也被企业用于提升安全防御效率。IBM发现，AI和自动化能够帮助安全团队以机器速度开展安全工作，平均每起数据泄露事件可节省193万美元。报告显示，50%的遭遇数据泄露组织已经将AI智能体应用于威胁搜寻、响应和遏制，但仅18%将AI智能体用于漏洞扫描和管理。这表明，企业在安全生命周期不同环节的AI应用程度仍存在差异。

三、AI模型与应用成为新的攻击目标

约五分之一的组织报告发生涉及AI的安全事件，其中92%的相关事件缺乏适当的AI访问控制。Baker Donelson进一步指出，涉及AI模型、训练数据或基础设施的泄露事件占全部数据泄露事件的21%，高于上一年的13%。在涉及AI的安全事件中，模型反演和提示注入攻击造成的平均损失分别为607万美元和589万美元。模型反演攻击可以通过分析模型输出和响应，推断或重构敏感训练数据。

IBM指出，相关事件的根源并不主要取决于企业选择开源模型还是第三方供应商，而更多与被攻陷的连接API、存在漏洞的应用程序以及云配置错误等环境安全问题有关。因此，AI安全不仅涉及模型本身，还涉及企业整体架构、安全控制、责任划分和监督机制。

四、影子AI进一步扩大数据安全风险

员工使用未经企业正式管理的影子AI所涉及的安全事件比例，由2025年的20%上升至2026年的43%，相关事件平均成本由463万美元增至539万美元。近半数影子AI事件涉及数据丢失或泄露，超过五分之一的组织还报告因相关事件支付了监管罚款。

五、非人工身份带来新的安全管理问题

随着AI智能体更多参与企业业务和安全工作流程，其需要与应用程序、API、数据存储、编排工具及云服务进行交互，由此产生大量非人工身份。IBM指出，这些身份可能具有较高权限，同时较难进行清点、监测和治理，但目前主动保护非人工身份的组织不足一半。46%的组织在AI工作流中对非人工身份实施了安全保护，其中，55%采用机器身份生命周期管理，39%采用密钥和机密信息管理，36%采用行为监测。

六、AI主权与基础安全控制受到关注

IBM将AI主权定义为保持对AI系统运行位置、数据处理方式以及数据访问主体的控制。报告显示，仅40%的组织报告对AI模型和数据使用实施访问控制。针对前沿AI模型带来的新风险，85%的遭遇数据泄露组织表示计划增加安全工具和治理投入；超过一半的组织表示，在发生AI相关数据泄露后计划增加AI安全和治理工具投入，较上年增加88%。与此同时，Baker Donelson指出，53%的发生数据泄露的组织在事件发生时未对静态和传输中的敏感数据进行加密，另有10%的组织不确定数据是否经过加密；30%的数据泄露事件涉及本地部署数据，而两年前这一比例为20%。在后量子密码方面，仅26%的组织已经启动相关项目，61%的组织缺乏监测和保护密码对象的控制措施。

总体来看，AI已被视为正在改变网络攻击和企业安全防御方式的重要因素。AI正在压缩网络安全事件从暴露到产生影响之间的时间；与此同时，AI和自动化也能够帮助企业降低数据泄露影响。从报告涉及的具体问题看，AI模型和应用、影子AI、非人工身份、访问控制、数据加密以及后量子密码等，分别对应企业在AI应用和数据安全管理过程中面临的不同风险与治理要求。

参考文献：

[1]SCHULZE H. IBM's 2026 data breach report: 92% of AI incidents had no access controls[EB/OL]. Cybersecurity Insiders, 2026-08-03[2026-09-16]. https://www.cybersecurity-insiders.com/ibm-2026-data-breach-ai-access-controls/.

[2]KESSEM L. AI-powered adversaries and the enterprise risk challenge: Preparing for the new reality[EB/OL]. IBM, 2026-07-29[2026-09-16].https://www.ibm.com/think/x-force/2026-cost-of-a-data-breach-ai-adversaries-enterprise-risk.

[3]BAKER DONELSON. Ten takeaways from IBM's 2026 cost of a data breach report[EB/OL]. Baker Donelson, 2026-07-30[2026-09-16]. https://www.bakerdonelson.com/ten-takeaways-from-ibms-2026-cost-of-a-data-breach-report.