AI模型不背锅：92%的安全漏洞只因“没锁好门”，泄露代价超500万美元

当我们谈论人工智能的安全威胁时，脑海中往往会浮现出复杂的对抗样本攻击或是深奥的模型投毒。然而，现实却往往朴素得让人尴尬。

近日，IBM联合Ponemon研究所发布了《2026年数据泄露成本报告》。在对全球602家企业进行深度调研后，报告揭示了一个令许多技术高管扎心的真相：绝大多数AI安全事件的罪魁祸首，根本不是AI模型本身，而是企业连最基础的“门”都没锁好。

92%的AI安全翻车，败给了“访问控制”

报告中最引人注目的数据莫过于此：在发生过AI相关安全事件的企业中，高达92%缺乏完善的AI系统访问控制措施。

换句话说，黑客根本不需要费尽心机去破解你的大模型算法，他们只需要找到那个没设密码的后门，或者利用一个权限过大的账号，就能长驱直入。

此外，约五分之一的AI安全事件是由外围基础设施的漏洞引起的。这包括API接口被恶意入侵、相连的应用程序存在漏洞，或是云服务配置出现了低级错误。有趣的是，企业究竟使用的是开源模型还是商业专有模型，对安全事件的发生概率并没有明显影响。

IBM一针见血地指出，这些风险大多源于基础安全管理的疏忽。攻击者甚至无需动用复杂的高级手段，就能轻松利用这些低级漏洞。

算一笔经济账：AI让数据泄露变得更“贵”

在真金白银的损失面前，数据更加触目惊心。

报告显示，2026年全球数据泄露事件的平均成本同比增长了12%，达到了499万美元。而当我们将目光聚焦在AI领域时，代价更为高昂：

• 防守端的代价：涉及AI系统的数据泄露事件，平均损失高达533万美元，比未涉及AI的事件（470万美元）高出了整整63万美元。
• 攻击端的“加成”：当黑客开始“用魔法打败魔法”，借助AI工具实施攻击时，企业的平均损失会进一步飙升至604万美元；相比之下，传统非AI攻击造成的平均损失为503万美元。

这意味着，无论是企业自身部署AI，还是黑客利用AI作恶，都在无形中推高了数据泄露的财务破坏力。

回归常识：打好地基比什么都重要

随着AI技术以狂飙突进的姿态融入企业的核心业务流，许多公司急于上马各种高大上的AI安全防御方案。但IBM的这份报告无疑是一剂清醒剂：在追求前沿防御技术之前，请先检查一下你的基础安全能力。

完善身份认证机制、实施严格的访问权限管理、排查并修正云环境配置——这些看似枯燥的“基本功”，才是降低AI安全风险、控制数据泄露成本的最有效防线。

毕竟，再智能的AI，也保护不了一扇忘了上锁的门。