数据泄露成本 2026年报告 人工智能转折点

数据泄露成本2026年报告重立.2026年报告的新内容全球亮点因数据泄露生命周期人工智能驱动的攻击涉及AI模型和应用的违规事件50人工智能监督素安全人工智能与自动化安全投资保护非人类身份后量子密码学行业人口统计68如何计算数据泄露成本2026年数据泄露成本报告3执行摘要2026年4月，一个前沿模型成功发现数千个高危漏洞——包括每个主流操作系统和网络浏览器中的漏洞——这一公告向安全团队发出了警示信号。今年的《数据泄露成本报告》显示，防护壁垒的裂缝正在蔓延。人工智能驱动的攻击较去年研究增加了56%。财务后果不容小觑。由于人工智能工具使攻击者能够提高速度和规模，每次人工智能驱动型攻击造成的平均损失增加了100万美元。这种速度正在重塑泄露经济学，但并非朝着好的方向。尽管50%的泄露组织告诉我们，他们已在威胁狩猎、响应和遏制中部署了代理，但仅有18%将其应用于漏洞扫描和管理——这正是前沿能力瞄准的领域。为应对前沿AI模型带来的新威胁，85%的泄露组织表示计划增加跨解决方案和服务的安防工具及治随着人工智能代理在各类组织中迅速普及，这一增长将变得尤为重要,因此需要着眼于保护人工智能工作流中的非人类身份。今年的研究显示，只有不到半数的组织能够对这些身份进行安全防护。要应对人工智能前沿技术带来的新型威胁，领导者有必要了解安全团队的起点。安全运营中心团队当前哪些做法是正确的?哪些领域需要改进?今年的《数据泄露成本报告》对此进行了生动详实的描述。-自主AI在安全运营中心的应用领域-用于保护非人类身份的控件类型-数据加密技术的普及率-后量子密码项目的普及率-保护密码学的控件类型-使用密钥生命周期管理带来的泄露成本降低52026年数据泄露成本报告452026年数据泄露成本报告193万美元193万美元运行的理念。然而，仅有约三分之一(36%)的受入侵组织表今年受入侵组织中勒索软件事件较去年略有增加(39%对比34%),攻击者利用AI生成恶意软件并扩展了勒索手段。虽然通过加密破坏运营仍是关键策略(23%),但攻击者正在转向影响600万美元AI模型逆向攻击的平均成本600万美元AI模型逆向攻击的平均成本629万美元金融服务行业数据泄露的平均成本代理型AI的采用也呈现出同样的不均衡模式。在表示已在安全领域部署代理的半数受影响组织中，超过50%将重点放在威胁狩猎、响应和遏制上。仅有18%的组织将AI代理应用于漏洞扫描与管理——这一应用本可帮助从源头减少暴露风险，并可能削弱前沿AI威胁的影响。较去年上升13%。计划增加安全支出以应对前沿AI计划增加安全支出以应对前沿AI模型威胁的组织比例在经历过与AI相关安全漏洞的组织中，绝大多数(92%)缺乏适当的尽管组织报告称，身份和访问管理是整体安全漏洞中最有效的成本削减措施之一。但随着AI在经历过与AI相关安全漏洞的组织中，绝大多数(92%)缺乏适当的尽管组织报告称，身份和访问管理是整体安全漏洞中最有效的成本削减措施之一。但随着AI系统的扩展并深度嵌入组织工作流程，身份和访问控制未能跟上步伐。在今年的报告中，仅40%的组织报告对AI模型和数据使用了访问控制。结果是可预见的：攻击路径扩大、财务影响加剧，以及由基本执行漏洞引发的事件——这些漏洞甚至不需要攻击者具备高超技术。最初，64%的组织表示在遭遇安全漏洞后会增加安全支出。在了解到前沿AI模型带来的新威胁后，这一数字急剧上升至85%。这些新威胁还促使组织重新考虑在安全领域使用AI代理。AI深度伪造冒充和AI驱动的恶意软件导致了这些事件中数量最多的情况。财务后果：AI驱动的攻击每次数据泄露平均增加了100万美元。2026年数据泄露成本报告2026年数据泄露成本报告7完整发现-全球亮点-数据安全-初始攻击向量与根本原因-识别泄露-数据泄露生命周期-泄露恢复时间-AT驱动-勒索软件攻击增加或降低泄露成本的因素-安全AI与自动化-安全领域中的AI代理-安全投资989全球亮点AI驱动的攻击正在重塑数据泄露的经济模全球成本创历史新高今年，全球数据泄露的平均成本升至历史新高，达到499万美元。美国的平均数据泄露成本达到创纪录的1150万美元，较去年增低，而发现和修复数据泄露的成本却越来越这一数字较去年增长了12%,而去年平均成本下降了9%,并且延续了自疫情以来的上升趋势。这一增长主要由检测、升级和业务损失成本推动，其中包括与业务中断和客户流失相关的成本因素。见长11%,几乎是全球平均水平的两倍。从历史上看，美国较高的业务成本和较高的监管罚款导致了这一成本差异。与此同时,南非的平均数据泄露成本百分比增幅最大(22%),尽管实际成本(304万美元)低于其他地区。德国(增长18%,达到493万美元)和比荷卢经济联盟(增长16%,达到737万美元)的平均数据泄露成本也有所上升。见图2。图1。以百万美元计以百万美元计9东盟.109东盟.10法国。12南非个3.04韩国13个3.032中东个8.003比荷卢地区5德国。7英国个4.038意大利2026年数据泄露成本报告数据泄露的四个组成部分的平均成本：O22023检测与升级■业务损失成本12级成本上涨驱动的占比2026年数据泄露成本报告13图4.按行业划分的数据泄露平均总成本(单位：百万美元)医疗保健交通运输媒体消费者零售5.565.004.224.03医疗保健交通运输媒体消费者零售5.565.004.224.033.504.50加了18%,达到538万美元。参见图4。以天为单位测量■平均识别时间(MTTI)2026年数据泄露成本报告15攻击者针对客户个人身份信息的比例远高于其他数据类型。占52%,成为今年最常被盗或泄露的数据类型，每条记录平均造成192美元损失客户个人身份信息可能包括税务身份号码、电子邮件和家庭住址，可用于身份盗窃和信用卡欺诈。员工个人身份信息在35%的攻击中被针对，每条记录平均造成188美元损失。知识产权在近三分之一的数据泄露事件中被盗或泄露，占比32%,成为成本最高的泄露数据类型，每条记录平均损失196美元。见图6图6泄露组织中数据被盗或泄露的类型及占比；允许回答多项；以美元计允许回答多项；以美元计24%24%■匿名化客户数据(非PII)■知识产权■其他企业数据0%37%数据泄露成本报告2026数据泄露成本报告2026数据泄露成本报告2026数据安全随着组织与监管机构对数据主权的关注日益数据主权是指民族国家、地方政府及欧盟等区域联盟应控制其居民数据的存储和处理方式及地点。数据的存储位置与方式会影响其对数据泄露的抵御能力。今年我们发现，涉及本地存储数据的泄露比例高于其他任何位置。同时，大多数遭受泄露的组织都缺少数据加密——这一对防止盗窃和保护隐私至关重要的措施。在今年的大多数泄露事件中，被泄露的数据存储在本地(占30%)。这一比例较去年的28%和2024年的20%有所上升。尽管许多组织认为本地存储本质上更安全，但它仍是攻击目标，因为修补、物理安全和访问管理的全部责任都落在组织内部IT人员身上。这是组织倾向于存放最有价值资产的地方，也是攻击者能造成最大破坏之处。然而，这些泄露地点在所有位置中的平均泄露成本最低(456万美元),尽管这一数字比去年高出12%。成本最高的存储地点是公共云(538万美元)和跨越所有三个位置的数据(539万美元)。参见图7。不同数据存储位置的响应与遏制时间存在差异连续第二年，存储在多个位置的泄露数据需要最长的时间来识别和,但相比去年(277天)已有所改善。此外，某些类别的解决时快(240天),而本地泄露花费的时间更长(244天),高于去年的低点(217天)。按地点划分的被盗或泄露数据类型及占比；以百万美元为单位衡量以天为单位衡量4.564.56本地部署23地点0%30%0%本地部署大多数被入侵的组织未加密敏感数据。在被入侵的组织中，53%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%的组织表示不确定数据是否已加密。未加密的敏感数据使攻击者能够立即完全获取遗传、生物识别、身份及健康相关信息。根据某些法规，此类数据暴露被视为对个人和组织权利的严重威胁，并违反数字主权的基本要素。见图9。被入侵组织中数据加密的比例数据泄露发生时，未对静态和传输中敏数据泄露发生时，未对静态和传输中敏感数据进行加密的受损组织占比2026年数据泄露成本报告初始攻击途径与根本原因网络钓鱼已连续四年成为导致企业数据泄露的首攻击者利用冒充手段实施高破坏性数据泄露。语音和短信钓鱼(占攻击总数的17%)在所有攻击途径中造成最高平均泄露成本，达529万美元。社会工程学攻击(如冒充客服人员)占13%,平均泄露成本为523万美元。合法账户滥用造成的成本略低，为507万美元，这表明钓鱼和社会工程学攻击正瞄准可获取珍贵数据的凭证。在近10%的数据泄露事件中，攻击者通过可移动介质非法复制数据——即使在云计算和人工智能时代，这些存在数十年的威胁途径依然不容忽视。有时数据仍会通过U盘带出企业。详见图10。单位：百万美元网络钓鱼(语音或短信钓鱼)5.11O外部远程服务5.07O滥用有效账户5.15.14.99O路过式攻击5.04.96O供应链攻击4.73O通过可移动介质复制4.68O利用面向公众的应用程序2026年数据泄露成本报告23各行业部门中受攻击组织的占比各行业部门中受攻击组织的占比57%58%22%26%消费品酒店餐饮医疗保健交通运输恶意或犯罪攻击人为错误IT故障恶意攻击仍是数据泄露最常见的根本原因可移动介质和供应链入侵的识别与遏制耗时最长受攻击组织在识别和遏制涉及将数据复制到可移动介质上的泄露事件时面临恶意或犯罪攻击占所有数据泄露事件的55%,较去年上升近8%。这些攻击远比IT故障(22%)或人为错误(23%)导致的泄露更为常见。然而，根本原因因行业而异。恶意或犯罪攻击导致这些泄露事件不会出现在恶意软件扫描或入站流量中。可能只有在被了略超半数的事件盗数据出现在暗网时才会被注意到。这些泄露平均持续258天。零售和运输行业的违规事件中(61%)以及医疗和金融行业约一规事件被发现得最快(234天),可能是因为扫描软件能够检测在所有被入侵组织中的占比以天数计量恶意或犯罪攻击通过可移动介质复制供应链受损社会工程攻击(IT或服务台冒充、多因素认证疲劳)22%网络钓鱼(语音或短信钓鱼)滥用合法账户0%20%40%2026年数据泄露成本报告25识别漏洞提供商(MSSP)也拥有这些工具，识别了几乎相同比例(31当被入侵组织在攻击者通知前不知晓漏洞时，平均成本达到512万美元。到披露时，攻击者可能已掌控大量个人身份信息(PII,尽管响应速度更快，平均成本略降至501万美元。美国作为研究中样本量最大且IT安全投入最高的国家，拉高师)识别，平均成本更低，为486万美元，低于全球平均水平2.按识别者划分的漏洞占比P单位：百万美元单位：百万美元620IT或IT安全团队IT或IT安全团队26 IT或IT安全团队攻击者披露2026年数据泄露成本报告当攻击者入侵某个组织时，成本会逐日增加分显著。数据泄露生命周期超过200天的案例，其平均成本从去年的501万美元增加到了565万美元，增长了12%。而持续时间较短的泄露成本要低得多，为432万美元，但相比去年的387万美元也增长了11数据泄露生命周期超过200天时平均成本的增加图17。(MTTI+MTTC)<200天(MTTI+MTTC)>200天漏洞恢复时间此类工作(如重建客户信心)涉及技术以外的多重因素。受损漏洞恢复率连续第三年提升。近半数组织(进行。在本研究中，恢复是指：洞事件中恢复，高于去年的35%,且是2024-业务运营已恢复至漏洞影响前的正常状态见图18和图19图18从泄露中恢复的比例图19完全从数据泄露中恢复的组织比例恢复图18从泄露中恢复的比例图19完全从数据泄露中恢复的组织比例恢复51至75天76至100天101至125天12AI驱动的攻击攻击者正在将人工智能作为其工具包中的关键工具，用于生成钓鱼邮件、扫描代码漏洞以及大规模自动化攻击。我们的研究连续第二年关注了AI驱动攻击的规模，以了解其成本、范围以及风险最高的行业。2026年数据泄露成本报告AI驱动的攻击导致更高的泄露成本AIAI驱动的攻击导致更高的泄露成本AI驱动的攻击带来了显著的经济影响，使平均恶意泄露成本增加了100万美元。随着攻击者采用更先进的前沿AT模型能力，这些攻击可能通过加速攻击速度、扩大目标范围和增加下游业务影响来重塑泄露经济学。这种速度可以将时间线从数周压缩到数天，并使得延迟响应的成本更高。关键基础设施领域(合计62%),其中金融服务和能源组织遭6%。深度伪造冒充占据了最高比例(45%)。由于生成式AI使数据泄露成本的平均值，以美元计人工智能驱动攻击的占比人工智能驱动攻击的占比按类型划分的恶意人工智能攻击占比非人工智能驱动2AI驱动的0■AI支持的恶意软件AT深度伪造或冒充攻击恶意■AI支持的恶意软件AT深度伪造或冒充攻击AI生成的钓鱼或其他通信2026年数据泄露成本报告2026年数据泄露成本报告今年遭受入侵的组织中，39%报告其系统遭一发现延续了四年来的上升趋势，从202间增长了62.5%。勒索软件攻击针对个人可识别信息并利用品价值数据，如知识产权和员工个人可识别信息记录，仍被作为目和通信，如Slack消息，在19%的攻击中。胁是数据盗窃和运营中断。现在攻击者使用者还在威胁品牌声誉，今年41%的攻击包究发现攻击者正在转变策略。除了加密数据并要求赎金解锁羞辱受害者以勒索他们。品牌声誉，例如公开羞辱和媒体泄露员工个人数据，例如社保号码和客户数据，例如个人身份信息内部通信，例如电子邮件和Slack消息382026年数据泄露成本报告39件607万各组织在AI模型和应用方面继续优先考虑创新而非安全，这使得它们容易受到与AI相关的违规事件影响。今年，此类违规事件的比例大幅增长。这些违规事件导致数据泄露、运营中断、声誉受损以及直接的经济损失。最常见的起因并非模型本身故障，而是外围系统的弱点。607万涉及AI模型反转事件的违规事件平均成本589万涉及AI模型提示注入事件的违规事件平均525万涉及影响AI工作负载的云配置错误事件的违规事件平均成本494万涉及模型规避的数据泄露平均成2026年数据泄露成本报告2026年数据泄露成本报告2026年数据泄露成本报告涉及人工智能的安全事件有所增加与人工智能相关的安全漏洞从去年的13%增长到今年的21%.这代表了61%的增长，表明攻击者持续在探测组织的人工智能系统及其周围环境的弱点。一些组织未能注意到这一趋势。在经历过与人工智能相关的安全漏洞的组织中，92%缺乏适当的人工智能访问控制。这些控制包括基于角色的访问和多因素认证。这些安全漏洞的成本也高于那些不针对人工智能或组织不确定是否被针对人工智能的情况.模型反转攻击造成的损失最为严重练数据)、模型反转(从模型中提取敏感数据)以及提示注入 均水平高出18%。提示注入的成本也几乎相当(589万美元),见图27.遭遇涉及AI模型或应用的安全事件的组织比例■不明确。42涉及AI模型或应用的安全事件平均成本；按事件类型划分的AI相关漏洞；以百万美元计553模型反转云安全配置错误*27%恶意模型*模型规避模型反转云安全配置错误*27%恶意模型*模型规避数据投毒26%数据投毒26%■2025*非2025年回应财务损失是AI相关泄露事件的首要影响。AI模型和应用程序已一半的组织报告因这些泄露遭受财务损失，而44%的组织遭遇运营中断，26%的组织声誉受损。见图2AI相关泄露在部署类型上无差异，但因成本而异。各类部的AI相关泄露发生率相近，开源和第三方供应商以SaaS形式部署的平均比例为26%,第三方供应商本地部署以以SaaS形式交付内部培训声誉损害26%442026年数据泄露成本报告45 (49%)以及运营中断(42%)。影子人工智能安全事件的影响；允许多项回答5050%41%21%安全成本增加声誉损害■2025年*2025年调查中无此项回答2026年数据泄露成本报告正如我们去年所指出的，人工智能的采用速度已人工智能审批流程位居治理政策类型之首。当组织推行人工智超过监管。这一趋势仍在加剧。今年，更多组织受攻击的组织缺乏人工智能治理来管理人工智能或检测影子人工能治理时，他们采用了政策和技术的组合。最常见的治理措施在那些制定了政策的组织中，只有大约三分之一智能(68%,去年为63%)。另一方面，更多组织对人工智能治对部署人工智能有严格的审批要求。调。尽管人工智能的治理与安全必须协同工作，但报告这些关键职能之间协调的组织甚至更少。只有19%的组织报告他们协调了这些工作。这种协作的缺乏可能导致盲点、政策冲突以及安全事件响应速度变持续的监管漏洞使组织面临安全、运营、合规和声誉风险。见图32。图31.已制定管理AI及防范影子AI政策的组织图32.百分之三十三百分之三十四图31.已制定管理AI及防范影子AI政策的组织图32.百分之三十三百分之三十四红队演练)之间的协调*制定中险培训■2025年*非2025年回复■2026年■2025年在分析泄露成本时，安全领导者必须了解哪些技术或事件往往能降低或提高这低成本，但今年我们想更深入地研究影考察了30个贡献因素，并分别评估了每个因素相对于全球平均水平的影降低关键成本的关键因素DevSecOps方法——通常是首要成本削减因素——再次被证明是降低数据泄露成本的第一大因素。供应链数据泄露——即业务合作伙伴遭到入侵并成为攻击媒介——是导致泄露成本增加的最昂贵因素，平均增加227,250美元。此类数据泄露难以检测和控制，因为它涉及另一家组织的IT基础设施和安全实践。安全系统复杂性位居其次，可能因为复杂性使得所有安全操作更加困难且耗时。违反法规排名第三，这或许反映了数据泄露后监管罚款带来的成本。参见图33。DevSecOps方法DevSecOps方法身份与访问管理(身份与访问管理(IAM)密钥生命周期管理工具密钥生命周期管理工具攻击性安全测试(红队测试、渗透测试或漏洞测攻击性安全测试(红队测试、渗透测试或漏洞测证书生命周期管理工具证书生命周期管理工具数据安全或保护软件(数据安全态势管理)端点检测与响应工具端点检测与响应工具密钥生命周期管理工具密钥生命周期管理工具托管安全服务方案托管安全服务方案安全系统复杂性安全系统复杂性对应用程序数量及位置(影子IT对应用程序数量及位置(影子IT)缺乏可见性密钥和秘密管理不善与499万美元的成本差异密钥和秘密管理不善与499万美元的成本差异违规平均成本，以美元计无法优先处理针对组织的威胁无法优先处理针对组织的威胁安全技能短缺过度权限和角色管理不善安全技能短缺过度权限和角色管理不善随着前沿AI模型让攻击者获得前所未有的速度280天)快了65天。不出所料，较慢的响应时间与更高的数据泄露成本相关。见图35。时间，降低了平均数据泄露成本。这些工具可作为防御者的技能倍增器，使他们能够监控更多系统并更快地应对威胁。尽管这些优势显而按使用水平划分的组织百分比；单位：百万美元32%525.935.522使用与不使用AI和自动化时的数据泄露识别与遏制时间以天为单位测量广泛使用广泛使用2026年数据泄露成本报告我们的研究首次调查了AI代理在安全运营中各使用水平下的组织百分比按AI代理采用类别划分的组织百分比威胁调查告警分类渗透测试33%报告与合规自动化漏洞扫描与管理2026年数据泄露报告成本55威胁狩猎自动响应和遏制数据泄露后加强安全防御，以及加强的领域。今年，研究人员再次回访这些组的网络能力后，计划增加投资的幅度急剧上升。这些模型正迫使组织开始针对因前沿AI模型潜在新威胁而计划增加安全支出的组织比例超过半数组织(64%)表示在遭遇安全漏洞后会增加安全投资。这一数字较去年增长30%,去年投资规划尚属少数且呈下降趋势。然而在后续研究中，85%已遭入侵且了解新型前沿AI模型威胁的组织表示将因此增加安全支出。这项研究凸显了随着攻击者能力提升，防御策略向主动防御的转变。参见图38和图3因新型前沿AT模型威胁而增加安全支出的组织占比不确定不确定前沿模型威胁认知前增加投资的领域威胁检测与响应技术(AI安全与治理工具托管安全服务密码学管理工具*数据和数据传输的量子安全数据丢失防护进攻性安全测试(红队演练、渗透或漏洞测试)*非2025年的回应31%2026年数据泄露成本报告由于前沿人工智能模型的威胁，大多数组织(74%)重新思考部署，例如告警分类(60%对34%)、渗透测试(52%对33%)以及漏洞扫描与管理(37%对18%)。参见图40和图41。例未受影响受影响智能体应用领域告警分类60%威胁狩猎渗透测试威胁调查漏洞扫描与管理37%2026年数据泄露成本报告2026年数据泄露成本报告2026年数据泄露成本报告2026年数据泄露成本报告非人类身份(NHI)是分配给机器、设备大多数组织未能在AI工作流中保障NHI安全。在受调查的组织中，随着量子计算逐步走向主流现实，安全团队只有不到一半(46%)报告称在AI工作流中保障了NHI安全。在那些做到的组织中，大多数(55%)使用机器身份与生命周期管理。其他大约四分之一(26%)的组织报告称拥有后量子密码学项目。大多数(69%)没有，5%的组织不确定是否有。缺乏计划及缺方法包括秘密管理系统(39%)、行为监控工具(36%)和基于角色的访问控制(30%)。考虑到保障AI工作流安全的重要Adleman(RSA)算法和椭圆曲线密码学(敏感数据和公司知识产权的泄露。见图43。在我们的报告中，研究人员首次询问了遭受泄露的组织关于其后量子密码学项目的状况，这些密码算法旨在保护组织免受量子计算机攻击。大多数组织缺乏保护加密技术的控制措施。大多数组织(61%)报告称，他们缺乏在遭受泄露的组织中非人类身份(NHI)监控和控制类型的比例；允许多项回答。拥有后量子密码学项目的组织比例。拥有加密技术控制措施的组织比例。户、API密钥的自动追踪行为监控工具用于检测非人类身份活动中的异常行为，例如异常访问模式或权限提升零信任架构已扩展至涵盖非人类身份，要求对所有AT驱动流程进行持续认证和授权基于角色的访问控制(RBAC)应用于服务账户，0%20%40%60%26%无相关项目34%无控制措施建议随着前沿AI模型压缩了漏洞发现与利用检测延迟、遏制缺口、横向移动、凭证滥用及决策延迟的失败，现在对组织的破坏性和成本呈指数级增长。今年的研究进一步证实了这一发现。为帮助预防、减轻和降低数据泄露成本，并迎接机器速度安全时代，IBM专家建议采用以下四种成功方法。以新型攻击速度运营安全尽管大多数组织仅将AI应用于安全运营的有限领域——最常见的是威胁检测——但应将其全面扩展至安全运营的每个方一个很好的起点是将智能体AI应用于漏洞管理。由于前沿AI模型具备识别主流操作系统和软件浏览器中关键漏洞的能力，这一领域已成为软肋。通过在安全生命周期中集成AI,企业能够将安全计划转变为具备持续自主防御能力的协同系统。规流程，并确保能够迅速应对AI驱动的威胁。这一身份转型需要实现：身份验证委托与授权-异常检测与风险修复-治理与生命周期控制通过AI主权强化AI控制AI主权应包含一种安全态势，该态势需延伸至AI运行和使用的数据、应用程序、身份和云环境。这种安全必须是全面的，而非零散的，应包含三个维度：加强应用和API安全，为用户、数据和机器代理实施可信身份控制，并确保云工作负载得到正确配置和监控监控数据如何进入AI系统、在其中转化并流出，有助于组织主动识别敏感数据暴露风险，加强AI治理与合规，并安全地规模化AI应用通过整合这些层面——并辅以集成方案——组织能够更好地降低系统风险，建立大规模部署AI的信心。建立控制措施包括限制不必要的数据流动，确保与外部工具和模型集成的安全性，并在所有工作负载中保持清晰可见性。这意味着加强应用和API安全，确保云工作负载得到正确配置和严格监控加密与密码学管理方面的基础性缺陷使组织暴露于风险之中，即便对量子安全安全的投资已开始增加。例如，仅有37%的遭入侵组织报告在入侵发生时对敏感数据进行了加密。与此同时,仅有34%的组织报告已部署控制措施来监控和保护其环境中的密钥、证书等加密资产。 为了加速迈向后量子密码学时代，建立密码敏捷性，并在混合环境和AI中保护数据安全，组织必须开始构建强大的安全态势。这种态势将允许组织发现其环境中的密码系统，分析漏洞并修复风险。这一过程可能复杂且取决于每个组织的具体需求。因此，由了解组织独特需求和流程的专家指导量子安全迁移将大有裨益。642026年数据泄露成本报告65机构人口统计地区、17个行业的602家不同规模的地理人口统计东盟是位于新加坡的组织集群样本，印度尼西亚、菲律宾、马来西亚、泰国和越南。拉丁澳大利亚6%加拿大5%5%行业人口统计多年来，这项研究一直涵盖17个行业。今年，排名前四的行织的46%。能源公共交通运输医疗保健医院和诊所能源石油天然气公司、公用事业以及替代能源生产商和供应商化学加工与工程，以及制造公司软件和硬件公司公立和私立大学及学院，以及培训与发展公司法律、会计和咨询公司等服务电影制作、体育、博彩和赌场航空公司、铁路和货运公司以及快递公司报纸、图书出版商、公关及广告代理机构消费品制造商和分销商媒体。电视、卫星、社交媒体与互联网酒店、餐饮连锁店和邮轮公司实体店和电子商务研究市场调研、智库及研发美国印度巴西美国印度巴西英国德国日本中东4%医疗保健2%662026年数据泄露成本报告67682026年数据泄露成本报告69研究方法从数轴上获取的数值(而非每个呈现成本类别的点估计)既保护了机密性,又确保了更高的回复率基准测试工具还要求受访者提供间接成本和机会成本的第二份独立估算数据泄露成本因素的范围仅限于适用于涉及个人信息的一系列广泛业务运营的已知类别。我们选择关注业务流程而非数据保护或隐私合规活动，因为我们认为流程研究能产生更高质量的结果。如何计算数据泄露的成本帮助组织检测泄露的活动包括：-取证和调查活动-评估和审计服务-危机管理与高管和董事会的沟通使组织能够通知数据主体、数据保护监管机构及其他第三方的活动-通过电子邮件、信件、外呼电话或一般性通知发送给数据主体-确定监管要求-与监管机构沟通-聘请外部专家帮助违规事件受害者与组织沟通，并向受害者和监管机构进行补救的活动包括：-帮助台和入站通信-信用监控和身份保护服务-发放新账户或信用卡-旨在尽量减少客户流失、业务中断和收入损失的活动包括：-因…导致的业务中断和收入损失系统停机数据泄露常见问题数据泄露是指包含个人身份信息(PII)、财务或医疗账户详情，或其他秘密、机密或专有数据的记录可能面临风险的事件这些记录可以是电子或纸质格式。研究中包含的数据泄露事件涉及2,590到115,380