IBM 近日发布的《2025年数据泄露成本报告》显示，当前 AI 应用的推进速度远快于其安全治理体系的建设。该报告首次针对 AI 系统的安全防护、治理机制及访问控制展开研究，尽管遭遇 AI 相关安全漏洞的机构在调研样本中占比不高，一个既定事实是：AI 已成为高价值、低门槛的网络攻击目标。　　

　　IBM发布《2025年数据泄露成本报告》

　　13% 的受访企业报告了 AI 模型或应用的安全漏洞，另有 8% 表示不确定是否遭遇过此类事件;

　　在遭遇AI安全漏洞的企业中，绝大部分(97%)尚未部署 AI 访问控制机制;

　　由此导致 60% 的 AI 安全事件造成数据泄露，31% 引发业务中断。

　　本年度的调研结果揭示，许多企业为了加速AI 应用而绕过安全治理。缺乏监管的AI系统更易遭受攻击，且造成的损失更为惨重。

　　IBM 安全和运行时产品副总裁 Suja Viswesan 指出："数据表明 AI 应用与监管之间已存在断层，网络攻击者正伺机而动。上述报告显示，企业的AI 系统普遍缺乏基本的访问控制，导致敏感数据暴露、模型易被篡改。随着 AI 深度融入业务运营，其安全防护必须成为重中之重。不作为的代价不仅是经济损失，更将损害用户信任、透明度和控制力。"

　　报告同时揭示：在安全运营中广泛采用 AI 与自动化技术的企业，其数据泄露损失平均减少 190 万美元，且处理周期平均减少 80 天。

　　该报告由 Ponemon Institute 执行、IBM 赞助分析，数据来源于 2024 年 3 月至 2025年 2 月全球 600 家机构遭遇的数据泄露事件。该报告中关于 AI 安全漏洞、经济损失及业务中断的关键发现如下：

　　AI 时代的安全漏洞

　　AI 治理政策：在遭遇数据泄露的机构中，63% 尚未建立 AI 治理政策或仍在制定中。在已制定AI 治理政策的机构中，仅有 34% 会对非授权 AI 工具进行定期审计。

　　影子 AI 的代价：五分之一的企业报告称曾因影子 AI(非监管状态下的 AI 工具使用)导致数据泄露，仅 37% 的企业制定了管理或检测影子 AI 的政策。与较少使用影子AI的企业相比，使用率高的企业平均数据泄露成本多出 67 万美元。涉及影子 AI 的安全事件导致个人身份信息 (65%) 和知识产权 (40%) 泄露比例远超全球均值(分别为 53% 和 33%)。

　　AI 驱动的智能攻击：研究显示，16% 的数据泄露事件都涉及AI 工具的使用，主要用于网络钓鱼或借助深度伪造的网络攻击。

　　数据泄露的经济损失

　　数据泄露的成本：全球数据泄露平均成本降至 444 万美元，为五年来首次下降，而美国企业的平均泄露成本却创下 1022 万美元的新高。

　　全球泄露处理周期创新低：随着更多企业实现内部漏洞自检，全球平均泄露处理周期(含服务恢复的漏洞识别与控制时间)缩短至 241 天，较上年减少 17 天。相比被外部攻击揭露的漏洞，通过内部检测发现漏洞的机构平均减少90 万美元损失。

　　医疗行业泄露成本仍居首位。尽管医疗行业的数据泄露成本较 2024 年下降 235 万美元，其 742 万美元的平均损失仍在调研的所有行业中居首。该行业的漏洞识别与控制周期长达 279 天，比全球均值(241 天)多出 5 周以上。

　　勒索支付被更多企业抵制。去年企业拒绝支付赎金的比例上升，63% 的机构选择拒付(2024 年为 59%)。尽管更多企业抵制勒索，敲诈及勒索软件事件的平均成本仍居高不下——尤其当漏洞由攻击者披露时，损失高达 508 万美元。

　　AI 风险攀升下的安全投入增长乏力。2025 年计划在数据泄露后增加安全投入的企业比例显著下降，从 2024 年的 63% 降至 49%。而在计划追加投入的企业中，关注 AI 驱动的安全方案或服务的机构不足半数。

　　数据泄露的长尾效应：运营中断

　　根据 2025 年《数据泄露成本报告》，几乎所有受访企业在数据泄露后都遭遇了运营中断。这种中断严重拖累了恢复进度，在报告恢复情况的企业中，大多数平均耗时超 100 天。

　　然而，数据泄露的影响远不止于漏洞控制阶段：尽管比例同比有所下降，但近半数企业计划因泄露事件提高商品或服务价格，其中近三分之一的企业涨价幅度达 15% 及以上。