北京 2026年7月31日 /美通社/ -- 根据IBM《2026年数据泄露成本报告》，在恶意数据泄露事件中，AI驱动的攻击占比达四分之一，较去年增长了56%。此类事件单起平均造成600万美元损失，比全球数据泄露事件的平均成本（499万美元）高出约100万美元。

此类攻击以深度伪造冒充身份和AI驱动的恶意软件为主要手段，正在深刻改变数据泄露的经济影响格局。攻击端的实施速度不断提升、成本持续下降，而防御端的检测与修复费用则日益高昂。报告显示，在安全运营中应用AI与自动化技术的企业，平均可节省近200万美元的泄露成本，但仍有四分之一的企业尚未将这些工具纳入其安全运营体系。

攻击端仅需数千美元即可发起攻势，而防御端却需承担数百万美元的数据泄露成本——这一日益扩大的鸿沟，正在从根基上重构网络风险的经济模型。

前沿AI威胁倒逼企业提前行动

Ponemon研究所的后续研究揭示了一个耐人寻味的对比：当知晓前沿AI网络攻击威胁的企业中，85%已计划增加安全预算；然而在初始研究中，仅有64%的组织会在实际遭受数据泄露之后才做出同样决策。企业正从"事件驱动型响应"转向"风险驱动型预防"，提前应对未来威胁。

但在攻击者行动最迅速的领域，防护缺口依然显著。调查显示，虽有逾50%的企业已将智能体用于威胁检测与遏制，但仅有18%将其部署到漏洞修复与管理环节中 —— 这意味着，即便AI正在不断缩短攻击者可利用的漏洞窗口，已知风险仍持续处于暴露之中。四分之三的受访者表示，前沿AI威胁正迫使他们重新思考如何在整体安全运营体系中部署智能体。

"真正在改变的是网络攻击的经济学逻辑。AI让攻击变得更快、更便宜，而数据泄露的代价却越来越高昂。当组织的漏洞发现与修复之间存在过长的时间差时，这种失衡直接体现在泄露成本上。"IBM安全软件副总裁Suja Viswesan表示，"当前重中之重，是消除这一时间差——将修复能力内嵌到开发流程中，在运行时保障身份安全，并以与攻击速度匹配的速度来应对攻击。"

关键基础设施面临更高的AI驱动型风险

报告指出，大多数AI驱动型攻击（62%）以关键基础设施为目标，其中金融服务和能源机构遭受的攻击最为集中，加大了更广泛的系统性破坏风险。每桩金融服务行业的数据泄露事件平均造成630万美元损失，能源行业的数据泄露损失平均为520万美元。攻击集中在这些行业中，这增加了对经济、供应链和基本服务产生连锁影响的可能性。

其它主要发现

AI安全链中的最脆弱环节。调查显示，超20%企业曾遭遇针对AI模型或应用系统的入侵攻击。究其根源，最常见的两类诱因是：周边系统薄弱（即API、应用程序或插件遭入侵），占比27%；以及云平台配置不当，影响到AI工作负载，同样占比27%。

量子风险逼近，加密短板突出。即便企业在量子安全领域的投入持续攀升，加密机制与密码管理体系的固有缺陷仍将企业暴露在攻击之下。在遭遇数据泄露的企业中，仅37%能够对敏感数据进行静态存储与传输过程中实施双重加密保护，并仅有34%的组织对其加密资产保持完整可见性。

攻击者将声誉当作勒索武器。报告显示，勒索软件事件较去年呈现上升趋势（39%对34%），攻击者日益借助AI实现攻击的自动化与规模化。尽管造成业务中断仍是胁迫手段之一，但其施压策略正逐步转向更具影响力的维度——以品牌声誉作为要挟筹码的手法最为常见（41%），其次为员工数据（35%）和知识产权（31%）。

这份2026年报告由Ponemon研究所开展，IBM提供赞助与分析，基于全球602家企业与组织在2025年3月至2026年2月期间经历的数据泄露事件。后续研究于2026年5月进行，其中456家曾参与数据泄露成本报告（CODB）研究的组织做出了回应。在这些组织中，78%（即356家）知晓了近期关于Mythos等高度先进前沿模型的报道。

消息来源：IBM China