IBM：多数AI安全事件源于基础访问控制失效

关键信息

IBM 表示，大约五分之一的受影响公司，其泄露起点是被攻破的 API、已连接应用或配置错误的云服务，而且企业使用开源模型还是专有模型几乎没有区别。报告还指出，涉及 AI 的事件平均损失为 533 万美元，而不含 AI 因素的事件平均为 470 万美元；攻击者使用 AI 的事件平均损失则升至 604 万美元。

资讯摘要

IBM 的《2026 数据泄露成本报告》基于 Ponemon Institute 对 602 家公司的研究，指出 AI 相关安全事件通常不是由 AI 模型本身引发，而是由基础安全失误所促成。 在经历过 AI 相关泄露的组织中，92% 没有为其 AI 系统设置足够的访问控制。 报告称，在受影响公司的约五分之一中，最初的入侵入口来自被攻破的 API、已连接应用或配置错误的云服务。 它还发现，使用开源模型还是专有模型，对是否发生泄露几乎没有影响。

IBM 认为，这说明攻击者正在利用企业本应已经管理好的常见薄弱环节。 从成本看，涉及 AI 的事件平均损失为 533 万美元，而不含 AI 因素的事件平均损失为 470 万美元。 全球数据泄露平均成本同比上升 12%，达到 499 万美元；当攻击者使用 AI 时，平均成本升至 604 万美元，而不使用 AI 时为 503 万美元。 这份报告传达的核心信息是，AI 安全风险越来越取决于访问治理、连接系统和云配置卫生。

资讯正文

IBM发现，92%的遭遇AI安全漏洞的公司缺乏基本访问控制

在几乎每一起AI安全事件中，受影响公司都缺少针对其AI系统的访问控制。这是IBM《2026年数据泄露成本报告》的发现，该报告基于Ponemon Institute对602家公司的研究。在发生过与AI相关事件的企业中，92%未能部署足够的访问控制。

问题很少始于模型本身：在约五分之一的受影响公司中，入侵入口是被攻破的API、已连接的应用程序，或配置错误的云服务。无论公司运行的是开源模型还是专有模型，差别几乎都不大。

IBM认为，这些漏洞源于一些基础性的疏忽，而攻击者并不需要复杂手段就能利用。涉及AI的事件平均造成533万美元的损失，而不包含AI因素的事件平均为470万美元。全球所有数据泄露的平均成本上升了12%，达到499万美元。当攻击者本身使用AI时，成本跃升至604万美元；在没有使用AI的情况下，则为503万美元。

来源与参考

1. 原始链接
2. IBM finds 92% of companies hit by AI security breaches lacked basic access controls