数据泄露成本 2026年报告 人工智能转折点

数据泄露成本1素安全领域中的智能体AI因30数据泄露生命周期40涉及AI模型和应用的违规事件 64帮助降低数据泄露成本的建议。前沿AI模型已从根本上改变了⽹络安源于检测、升级和业务损失成本。AI与⾃动化仍是降低泄露影响最有效的⽅式之⼀，它们帮助安全团队以机器。前沿AI模型已从根本上改变了⽹络安源于检测、升级和业务损失成本。AI与⾃动化仍是降低泄露影响最有效的⽅式之⼀，它们帮助安全团队以机器我们去年⾸次注意到攻击者与防御者之间这场不断升级的AI军备竞赛，当时全球平均泄露成本⾃疫情以来⾸乎正在扭转局势。但今年的报告显⽰，他们在攻击者⼿中，这些⼯具将压缩漏洞发现与利⽤之间的时攻击者正放弃⼈类速度，转向机器速度。他们已通过⽣成式AI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，8随着⼈⼯智能代理在各类组织中迅速普及，这⼀增⻓将变得尤为重要，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。。在约五分之⼀报告了AI相关安全事件的组织中，我们发现安全开源和第三⽅供应商部署中出现了类似的安事件的根源通常是结构性问题：互联API、应⽤程序遭⼊侵以及从积极⽅⾯看，各组织正在认识到加强AI安全的必要性。超较去年增⻓88%，这是对前沿AI模型威胁担忧的回应。对安了解所在组织的泄露事件。这些领导者包括CEO、CI营主管、财务总监/主管、IT从业者、业务部⻔负责⼈与总经理今年报告中的发现与分析可帮助业务、技术、,涵盖从危机管理到运营中断和客戶流失等各方面。美国因监管万美元超越所有其他国家和地区，是全球平均攻击者正越来越多地将AI武器化，利用它来自动化攻击生命周期响：在遭受恶意攻击的组织中，超过四分之一报告称攻击是由AIAI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攻击者不仅将AI用作工具，更将目标瞄准了组织日益依赖的AI模型和应用程序。涉及组织AI模型或应用程序的最昂贵安全事件为以及保障敏感输出安全的难度日益加大。与传用不同，此类行为攻击破坏的是AI模型推理和响应的方式，将补报告发生与AI相关安全漏洞且缺乏适当AI访问控制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%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%攻击者利用AI生成恶意软件并扩展了勒索手段。虽然通），遇勒索软件事件的受入侵组织提及此手段。这一转粹的技术破坏转向多层勒索策略，其目标针对信任关键行业承受着AI驱动攻击的主要冲击，占所有被研究的AI驱这种针对性攻击的趋势令人担忧。AI驱动攻击集中在这两个相互依存的行业，构成了系统性风险。一个组织是，这两个行业在识别和遏制数据泄露方面经最初，64%的组织表⽰在遭遇安全漏洞后会增加安在了解到前沿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代与未使用这些解决方案的团队相比，广泛使用AI和元。这些成本节约进一步印证了现代安全运营尽管AI和自动化仍是减少数据泄露影响最有效的手段之一，但其在整个安全生命周期中的应用仍不均衡。它代理型AI的采用也呈现出同样的不均衡模式。在表⽰已在安全领-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-AI驱动-勒索软件攻击-涉及AI模型与应用的泄露-AI监管-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-保护非人类身份-后量子密码学全球亮点AI驱动的攻击正在重塑数据泄露的经济模均有所上升。美国在所有地区中的平均成本再健行业继续位居数据泄露成本最高行业之首。续了自疫情以来的上升趋势。这一增长主要由检测,南非的平均数据泄露成本百分比增幅最大（22%），尽管实↑4加拿大5德国。↑4.934.039东盟.↑↑↑南非↑3.04↑2.79543210重视并瞄准该行业的患者个人身份信息（PII），这些信息可用于身份盗窃、保险欺诈和其他金融犯罪。本研究均泄露成本均有所增加。媒体相关行业的增幅最扭转了五年来的下降趋势。在此期间，使用人安全团队在平均识别时间（MTTI）和平均遏制时间（MTTC）方面稳步改善。然而，来自AI驱动攻击的新威胁正在挑战即使是最平均识别时间（MTTI）平均遏制时间（MTTC）攻击者针对客戶个人身份信息的比例远高于其他数据类型。占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%%%客戶PII员工PII匿名化客戶数据（非PII）知识产权其他企业数据客戶PII数据安全数据主权是指民族国家、地方政府及欧盟等区其对数据泄露的抵御能力。今年我们发现，泄露比例高于其他任何位置。同时，大多数许多组织认为本地存储本质上更安全，但它仍为修补、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者能造成最大破坏之处。然而，这些泄露地点连续第二年，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，某些类别的解决时在所有三个%的组织表⽰不确定数据是否已加密。未加密的敏感数根据某些法规，此类数据暴露被视为对个人因,供应链入侵紧随其后。网络钓鱼在初始攻击途径中占据首位，且引发成本最高的数据泄露事件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(的威胁途径依然不容忽视。有时数据仍会通过U盘带出企业⽹络钓鱼（语音或社会工程学（I短短务媒体恶意或犯罪攻击人为错误IT故障识别和遏制涉及将数据复制到可移动介质上识别和遏制涉及将数据复制到可移动介质上这些泄露事件不会出现在恶意软件扫描或入站流量中。可能只有在被盗数据出现在暗网时才会被注意到。这些泄露平均持续2其他资源，使攻击者能够访问组织的数据。涉及。这些攻击远比IT故障（22%）或人为错误（)而闻名。然而，在娱乐行业，这类攻击仅占违规事件的45%。在所有被入侵组织中的占比恶意或犯罪攻击通过可移动IT故障20262025识别漏洞据泄露，其中许多可能借助了AI和自动化工具。托管安全服务%）的漏洞。第三方机构，如合作伙伴、顾问或执法万美元。到披露时，攻击者可能已掌控大量个人身份信息（PII),或对可破坏的运营系统获得控制权。当内部团队识别漏洞时,尽管响应速度更快，平均成本略降至501万美元。美国作为研66420IT或IT安全团队一个MSSP攻击者的披露第三方内部IT或IT安全团队识别并遏制违规行为的平均时间仅为209IT或IT安全团队MTTIMTTC由内部IT和安全团队处理时，识别数据泄露生命周期2020漏洞恢复时间AI驱动攻击的增长AI驱动攻击的增长连续第二年关注了AI驱动攻击的规模，以AI驱动的攻击集中于关键基础设施。大多数AI驱动的攻击针对），受的攻击最为集中，增加了更广泛系统性破坏的风险。AI驱动的攻击集中在这些领域，或其中某一组织，功的攻击可能引发连锁反应，影响消费者金AI驱动攻击的额外成本，高于全球恶意AI驱动的攻击集中于关键基础设施。大多数AI驱动的攻击针对），受的攻击最为集中，增加了更广泛系统性破坏的风险。AI驱动的攻击集中在这些领域，或其中某一组织，功的攻击可能引发连锁反应，影响消费者金AI驱动攻击的额外成本，高于全球恶意AI深度伪造或冒充攻击AI支持的恶意软件AI生成的钓鱼或其他通信其他7恶意AI驱动的攻击恶意非AI驱动的攻击超过四分之一的组织遭受了恶意的AI驱动攻击，比去年增加了56%。深度伪造冒充占据了最高比例（45%）。由于生社会工程攻击成本低廉且难以检测，攻击者越们来欺骗用戶并绕过身份控制。AI生成的恶意软件占AI生成攻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些攻击可能通过加速攻击速度、扩大目标范围影响来重塑泄露经济学。这种速度可以将时间非人工智能驱动攻击攻击勒索软件攻击究发现攻击者正在转变策略。除了加密数据外，他们还利用品牌声誉进行武器化，越来标。然而，勒索软件攻击者已将其范围扩大到包括和通信，如Slack消息，在19%的攻击者严重依赖电子邮件，并专注于加密数据以勒索赎胁是数据盗窃和运营中断。现在攻击者使用更多的品牌声誉，例如公开羞辱和媒体泄露知识产权，例如源代码和产品设计其他攻击类型客戶数据，例如个人身份信息和支付数据内部通信，例如电子邮件和Slack涉及AI模型和应用的违规事件各组织在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相关的违规事件影涉及AI模型反转事件的违规事件平均成本涉及AI模型提⽰注入事件的违规事件平均涉及影响AI工作负载的云配置错误事件的违规事件平均成本涉及恶意模型的数据泄露平均成本涉及模型规避的数据泄露平均成本系统及其周围环境的弱点。一些组织未能注意证。这些安全漏洞的成本也高于那些不针对人确定是否被针对人工智能的情况.），这可能是因为破坏人工智能模型也同时破坏的业务流程.遭遇涉及AI模型或应用的安全事件的组织比例遭遇涉及AI模型或应用的安全事件的组织比例涉及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6655连接应用、API或插件被入侵4433210涉及中。不涉及或不明确财务损失是AI相关泄露事件的首要影响。AI模型和应用程序已可以解释为什么财务损失是AI相关泄露的主要影响之一。超过AI相关泄露在部署类型上无差异，但因成本而异。各类部署类型的AI相关泄露发生率相近，开源和第三方供应商以SaaS形式部,开源模型平均成本为563万美元。见图29。AI相关泄露的影响；允许多选受攻击的AI模型或应用程序来源；以百万美元计第三方供应商，在今年的研究中，我们还考察了与影子人工智能违规相关的监管罚款。在大约五分之一的事件中，组织报告支付了罚款。请参见图30。数据丢失或泄露运营中断声誉损害数据丢失或泄露。数据泄露的所有环节。尽管其重要性不言而喻，能治理时，他们采用了政策和技术的组合。最是要求IT部门对人工智能部署进行审批（38%），但这一关键年首次研究的一个组织挑战涉及治理团队与安组织占比及其用于治理AI的政策类型AI部署的严格审使用AI治理使用AI治理员工AI风未经授权AI的定对抗性测试(不确定*些成本。通常，使用AI和自动化可以降部署IAM解决方案及使用MSSP构成了前三现了最快的入侵识别与遏制周期，因此其成为缓因素并不令人意外。这三种安全方法均以洞察、。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SOAR或安全编排、自动化与响应工具数据安全或保护软件（数据安全态势管理）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AI与自动化随着前沿AI模型让攻击者获得前所未有的速度,防御团队必须利用AI和自动化来加速和扩展其安全运营。过去几年中，本报告一直强调AI安全AI和自动化的广泛使用略有增长广泛使用安全AI和自动化的组织仍是少数，但今年有所增加。在我们广泛使用AI和自动化降低了数据泄露成本安全AI和自动化持续发挥降低成本的作用。广泛使用这些技术的组织平均广泛使用AI和自动化缩短了响应时间广泛使用AI和自动化的组织将识别和响应时间缩短至215天，比完全不使用这些技术的组织(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。使用与不使用AI和自动化时的数据泄露识别与遏制时间MTTIMTTC.安全领域的自主式AIAI与自动化在SOC运营中仍不均衡。在安全领域应用AI和自动化时，组织倾向于集中在威胁检测与响应环节。我们的研究首次调查了AI代理在安全运营中我们的研究首次调查了AI代理在安全运营中少数使用AI代理的安全团队优先将其用于检测与响应，而非预防。随着攻击者利用AI缩短漏洞利用窗口，这一差距导致已知暴露风险长期无法解决，推高了入侵成本，并扩大了攻击者的优势。按AI代理采用类别划分的组织百分比安全投资织，发现在组织了解到先进前沿AI模型事件响应计划与测试IAM威胁检测与响应技术(SIEM、SOAR和EDR）AI安全与治理工具进攻性安全测试（红队演练事件响应计划与测试IAM威胁检测与响应技术(SIEM、SOAR和EDR）AI安全与治理工具进攻性安全测试（红队演练趋势。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。这项了解前沿AI模型威胁之前在尖端人工智能模型威胁认知之后是由于前沿人工智能模型的威胁，智能体采用计划有所)以及漏洞扫描与管理（37%对18%）。参见受新前沿人工