2026年数据泄露成本报告：AI拐点

核心观点与关键数据

• 人工智能驱动攻击成本高昂：超过四分之一（25%）的组织遭遇了恶意AI驱动型攻击，同比增长56%。人工智能驱动的攻击每次入侵平均造成100万美元的损失。深度伪造（Deepfake）冒充行为造成了最高数量（45%）的攻击，而AI生成的恶意软件占AI生成型攻击的19%。
• 安全运营中心（SOC）中人工智能和自动化应用不均衡：尽管安全团队广泛使用人工智能和自动化技术进行威胁搜寻、响应和遏制，但在漏洞扫描和管理方面的应用却滞后。只有18%的组织将AI代理应用于漏洞扫描和管理，而这一领域恰恰是前沿AI模型所瞄准的。
• 数据泄露成本持续上升：全球平均数据泄露成本上涨12%，达到近500万美元。这一增长主要是由检测、升级和业务损失成本驱动的。美国平均数据泄露成本达到创纪录的1150万美元，几乎是全球平均水平的两倍。
• 数据安全与隐私保护：大多数数据泄露事件针对的是客户个人身份信息（PII）。52%的事件涉及客户PII被盗或泄露，平均每条记录损失192美元。然而，大多数遭入侵的组织都未使用数据加密，这使攻击者能够完全、即时地访问遗传、生物识别、身份和健康相关信息。
• 人工智能治理不足：随着人工智能的采用正快于监管，更多组织缺乏治理政策来缓解或管理人工智能风险。在那些拥有政策组织的，大约只有三分之一在部署人工智能时进行了严格审批。只有19%的组织报告称他们协调了治理和安全团队之间的工作。
• 非人类身份（NHI）保护不足：随着量子计算逐渐走近主流现实，安全团队正应对其带来的风险，即其能够破解长期以来的加密方法的能力。大多数组织并未在AI工作流程中保护非人类身份（NHI）。在所研究的组织中，不到一半（46%）报告称他们在AI工作流程中保护了NHI。
• 量子后密码学准备不足：大多数组织都没有量子后密码学计划。大约有四分之一（26%）的组织报告称正在开展后量子密码学项目。大多数（69%）没有，另外5%不确定自己是否有。

研究结论

• 组织需要加强人工智能治理，制定严格的人工智能审批流程，并协调治理和安全团队之间的工作。
• 组织需要加强应用程序和API的安全性，对用户、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配置和监控。
• 组织需要将身份安全从静态验证转向持续运行时验证，并采用现代的零信任原则。
• 组织需要监控数据如何进入、在AI系统中转换以及如何退出，以主动识别敏感数据暴露风险。
• 组织需要为后量子安全风险做准备，开始向后量子加密算法过渡，并更新其网络安全实践。
• 组织需要通过人工智能主权加强人工智能控制，确保对人工智能系统运行地点、数据处理方式以及谁可以访问的控制权。