IBM报告：AI安全风险源于访问控制缺失

IBM近日发布的《2026年数据泄露成本报告》揭示了一个重要趋势：当前绝大多数人工智能安全事件并非源于模型本身，而是企业在访问控制和基础安全管理方面存在明显缺陷。该报告基于Ponemon研究所对全球602家企业的深入调研，数据显示，在发生AI相关安全事件的企业中，高达92%缺乏完善的AI系统访问控制措施，这成为数据泄露的重要诱因。

报告进一步指出，约五分之一的AI安全事件源于外围基础设施，包括API遭入侵、连接应用存在漏洞或云服务配置错误。值得注意的是，企业采用开源模型还是专有模型，对事件发生概率的影响并不明显。IBM认为，这些风险大多源于基础安全疏忽，无需复杂攻击手段即可被利用，这凸显了企业在AI部署过程中对基础安全管理的忽视。

在成本方面，涉及AI的数据泄露事件平均损失达到533万美元，明显高于未涉及AI事件的470万美元。2026年全球数据泄露事件平均损失同比增长12%，升至499万美元。更值得关注的是，当攻击者借助AI实施攻击时，平均损失进一步攀升至604万美元，而未使用AI的攻击事件平均损失为503万美元。这一数据表明，AI的双刃剑效应在安全领域尤为显著——既可能因防护不足导致更高损失，也可能被恶意利用放大攻击危害。

IBM强调，随着AI系统加速融入企业核心业务，完善身份认证、访问权限管理及云环境配置等基础安全能力，将成为降低AI安全风险和数据泄露成本的关键举措。企业应将AI安全视为整体安全策略的重要组成部分，而非孤立的技术问题，通过夯实基础安全架构，才能有效应对日益复杂的AI安全挑战。