IBM 調研報告：13% 的企業曾遭遇 AI 模型或AI應用的安全漏洞，絕大多數缺乏完善的訪問控制管理

  • 儘管全球數據泄露的平均成本降至 444 萬美元，美國企業的相關損失卻攀升至 1022 萬美元；
  • 在遭遇數據泄露的企業中，僅有 49% 的企業計劃加強安全投入。

北京2025年8月4日 /美通社/ -- IBM 近日發佈的*《2025年數據泄露成本報告》*顯示，當前 AI 應用的推進速度遠快於其安全治理體系的建設。該報告首次針對 AI 系統的安全防護、治理機制及訪問控制展開研究，儘管遭遇 AI 相關安全漏洞的機構在調研樣本中佔比不高，一個既定事實是：AI 已成為高價值、低門檻的網絡攻擊目標。

  • 13% 的受訪企業報告了 AI 模型或應用的安全漏洞，另有 8% 表示不確定是否遭遇過此類事件；
  • 在遭遇AI安全漏洞的企業中，**絕大部分（**97%）尚未部署 AI 訪問控制機制；
  • 由此導致 60% 的 AI 安全事件造成數據泄露，31% 引發業務中斷。

本年度的調研結果揭示，許多企業為了加速AI 應用而繞過安全治理。缺乏監管的AI系統更易遭受攻擊，且造成的損失更為慘重。

IBM 安全和運行時產品副總裁 Suja Viswesan指出：“數據表明 AI 應用與監管之間已存在斷層，網絡攻擊者正伺機而動。上述報告顯示，企業的AI 系統普遍缺乏基本的訪問控制，導致敏感數據暴露、模型易被篡改。隨着 AI 深度融入業務運營，其安全防護必須成為重中之重。不作為的代價不僅是經濟損失，更將損害用户信任、透明度和控制力。”

報告同時揭示：在安全運營中廣泛採用 AI 與自動化技術的企業，其數據泄露損失平均減少**190 萬美元，且處理週期平均減少 80 天。

該報告由 Ponemon Institute 執行、IBM 贊助分析，數據來源於 2024 年 3 月至 2025年 2 月全球 600 家機構遭遇的數據泄露事件。該報告中關於 AI 安全漏洞、經濟損失及業務中斷的關鍵發現如下：

AI 時代的安全漏洞

  • **AI 治理政策：**在遭遇數據泄露的機構中，63% 尚未建立 AI 治理政策或仍在制定中。在已制定AI 治理政策的機構中，僅有 34% 會對非授權 AI 工具進行定期審計。
  • **影子****AI 的代價：**五分之一的企業報告稱曾因影子 AI（非監管狀態下的 AI 工具使用）導致數據泄露，僅 37% 的企業制定了管理或檢測影子 AI 的政策。與較少使用影子AI的企業相比，使用率高的企業平均數據泄露成本多出 67 萬美元。涉及影子 AI 的安全事件導致個人身份信息 (65%) 和知識產權 (40%) 泄露比例遠超全球均值（分別為 53% 和 33%）。
  • AI 驅動的智能攻擊：研究顯示，16% 的數據泄露事件都涉及AI 工具的使用，主要用於網絡釣魚或藉助深度偽造的網絡攻擊。

數據泄露的經濟損失

  • 數據泄露的成本：全球數據泄露平均成本降至 444 萬美元，為五年來首次下降，而美國企業的平均泄露成本卻創下 1022 萬美元的新高。
  • 全球泄露處理週期創新低：隨着更多企業實現內部漏洞自檢，全球平均泄露處理週期（含服務恢復的漏洞識別與控制時間）縮短至 241 天，較上年減少 17 天。相比被外部攻擊揭露的漏洞，通過內部檢測發現漏洞的機構平均減少90 萬美元損失。
  • 醫療行業泄露成本仍居首位。儘管醫療行業的數據泄露成本較 2024 年下降 235 萬美元，其 742 萬美元的平均損失仍在調研的所有行業中居首。該行業的漏洞識別與控制週期長達 279 天，比全球均值（241 天）多出 5 周以上。
  • 勒索支付被更多企業抵制。去年企業拒絕支付贖金的比例上升，63% 的機構選擇拒付（2024 年為 59%）。儘管更多企業抵制勒索，敲詐及勒索軟件事件的平均成本仍居高不下——尤其當漏洞由攻擊者披露時，損失高達 508 萬美元。
  • AI 風險攀升下的安全投入增長乏力。2025 年計劃在數據泄露後增加安全投入的企業比例顯著下降，從 2024 年的 63% 降至 49%。而在計劃追加投入的企業中，關注 AI 驅動的安全方案或服務的機構不足半數。

數據泄露的長尾效應：運營中斷

根據 2025 年《數據泄露成本報告》，幾乎所有受訪企業在數據泄露後都遭遇了運營中斷。這種中斷嚴重拖累了恢復進度，在報告恢復情況的企業中，大多數平均耗時超 100 天。

然而，數據泄露的影響遠不止於漏洞控制階段：儘管比例同比有所下降，但近半數企業計劃因泄露事件提高商品或服務價格，其中近三分之一的企業漲價幅度達 15% 及以上。

關於《數據泄露成本報告》

《數據泄露成本報告》在過去 20 年裏累計調研了近 6500 起數據泄露事件。自 2005 年首次發佈以來，數據泄露事件的本質已發生鉅變：早期風險主要來自實體層面，如今，網絡攻擊已全面數字化且針對性更強，泄露事件的背後是一系列更復雜的惡意活動。

隨着企業AI 應用的加速，本年度《數據泄露成本報告》首次聚焦以下領域：AI 安全防護與治理機制現狀、AI 安全事件中的目標數據類型、AI 驅動型攻擊的關聯損失、影子 AI的泛濫程度及風險特徵。結合往期報告中的研究發現：

  • **2005 年：**近半數 (45%) 數據泄露由筆記本電腦或 U 盤等設備丟失引發，僅 10% 源於電子系統遭入侵。
  • **2015 年：**雲環境的配置錯誤尚未被列為獨立威脅類別，如今已成主要攻擊目標。
  • **2020 年：**勒索軟件攻擊激增，2021 年關聯泄露平均成本達 462 萬美元，到2025年該數字攀升至 508 萬美元（前提是事件由攻擊者披露）。
  • **2025 年：**本年度首次納入研究的 AI 安全領域，正快速成為高價值攻擊目標。