IBM在8月初发布了基于Ponemon Institute研究的《2026年数据泄露成本报告》。报告调研了全球602家发生数据泄露的企业，其中一个数字足以让每一位企业决策者停下来：在遭遇AI相关安全事件的企业中，92%缺乏对AI系统的适当访问控制。换句话说，绝大多数AI安全事故，问题不出在模型本身，而出在“门没关好” 。

一、问题不在模型，在“门禁系统”

IBM在报告中点出了一个被普遍忽视的真相：AI安全事件很少始于模型本身。约五分之一的受影响企业中，最初的入侵入口是被攻破的API、存在漏洞的连接应用，或配置错误的云服务。

更值得注意的是，企业使用开源模型还是专有模型，对安全事件的发生概率几乎没有影响。攻击者并不在乎你的模型来自哪里，他们在乎的是你有没有把“门”关好。

报告明确指出，这些风险大多源于基础性的安全疏忽，攻击者甚至不需要复杂手段就能利用。

二、533万 vs 470万：AI泄露的成本差距

成本数据进一步说明问题的严重性：

涉及AI的数据泄露事件：平均损失533万美元

未涉及AI的事件：平均损失470万美元

全球所有数据泄露事件的平均成本：同比上涨12%，达到499万美元

攻击者使用AI发起攻击时：平均损失攀升至604万美元

攻击者未使用AI时：平均损失为503万美元

AI本身并不制造安全漏洞，但它放大了漏洞的后果。当攻击者用AI来实施攻击时，每起事件的平均损失比不使用AI时高出约100万美元。防御端同样如此，那些积极部署AI和自动化进行安全防御的企业，每起数据泄露事件平均节省了193万美元。AI在攻击者手里是武器，在防御者手里是盾牌。

三、“影子AI”正在成为新的隐患

报告还揭示了一个正在加速扩大的风险：“影子AI”（Shadow AI）——未经IT和安全部门批准、由员工或业务部门自行部署的AI系统——已从2025年的21%翻倍至43% 的 incidents。当AI系统绕过企业的安全审查和访问控制流程直接上线，安全团队连“门在哪”都不知道，更谈不上“关门”了。

与此同时，只有18% 的安全运营中心（SOC）在使用AI智能体进行漏洞管理。大多数企业在攻击发生后才动用AI进行响应，而攻击者已经用AI来主动寻找漏洞。

四、基础安全才是最有效的防线

IBM的报告并没有提出复杂的解决方案。恰恰相反，它指向的都是一些基础但经常被忽略的安全措施：

身份与访问管理（IAM） ：为AI系统建立严格的身份验证和访问控制

API安全：确保所有API接口都经过严格的安全审查和配置

云安全配置：避免因配置错误导致系统暴露

非人类身份管理：AI智能体、API密钥等服务身份也需要被纳入安全管理范围

IBM在报告中总结得很直接：AI系统的安全，取决于访问治理、连接系统和云配置的“卫生状况” 。把基础安全做到位，比纠结于“选哪个模型”更能决定企业的安全底线。

数据来源：IBM《2026年数据泄露成本报告》（2026 Cost of a Data Breach Report），由Ponemon Institute调研，基于全球602家企业的真实数据。