根据 IBM《2026年数据泄露成本报告》，在恶意数据泄露事件中，AI 驱动的攻击占比达四分之一，较去年增长了56%。此类事件单起平均造成 600 万美元损失，比全球数据泄露事件的平均成本（499万美元）高出约100万美元。

这些攻击主要由深度伪造冒充身份和AI驱动的恶意软件为主要手段，正在深刻改变数据泄露的经济影响格局。攻击端的实施速度不断提升、成本持续下降，而防御端的检测与修复费用则日益高昂。报告显示，在安全运营中应用AI与自动化技术的企业，平均可节省近200万美元的泄露成本，但仍有四分之一的企业尚未将这些工具纳入其安全运营体系。

Ponemon Institute 开展的后续研究显示，85% 的组织表示，在意识到先进的前沿人工智能网络安全能力后，他们计划增加安全支出；相比之下，在最初的研究中，只有 64% 的组织表示，他们计划在遭受安全漏洞攻击后增加安全支出。

虽然有超过 50% 的受访者表示已将智能体用于威胁检测与遏制，但只有 18% 的受访者将智能体应用于漏洞管理。四分之三的组织表示，前沿人工智能威胁正促使他们重新思考如何在安全运营中部署智能体。

该研究报告显示，大多数人工智能驱动的攻击都针对关键基础设施行业（62%），其中金融服务和能源机构受到的攻击最为集中，这增加了系统性破坏风险。据报道，金融服务行业的安全漏洞平均造成630万美元的损失，而能源行业的安全漏洞平均造成520万美元的损失。这些行业的攻击集中度增加，可能对经济、供应链和关键服务产生连锁反应。

其他主要发现：

• 人工智能最薄弱的环节。超过20%的组织报告称，曾遭受针对人工智能模型或应用程序的安全攻击。最常见的原因是周边系统的漏洞：API、应用程序或插件遭到入侵（27%）以及影响人工智能工作负载的云配置错误（27%）。
• 加密漏洞依然存在，量子风险迫在眉睫。 尽管量子安全投资不断增长，但加密和加密管理方面的核心缺陷仍然使企业面临风险。仅有 37% 的遭受数据泄露的企业表示，他们对静态和传输中的敏感数据都进行了加密，而只有 34% 的企业能够了解其加密资产。
• 勒索软件攻击者利用声誉作恶。 报告的勒索软件事件较上年有所增加（39% 对比 34%），攻击者越来越多地利用人工智能实现自动化和规模化攻击。虽然运营中断仍然会造成一定影响，但攻击者正转向更具破坏性的攻击手段——最常利用的是品牌声誉（41%），其次是员工数据（35%）和知识产权（31%）。