IBM發布的《2026年資料外泄成本報告》（2026 Cost of a Data Breach Report）指出，人工智能（AI）驅動的攻擊已佔惡意資料外泄事件約四分之一，比例較去年上升56%。這類事件每宗平均造成約600萬美元損失，較全球資料外泄事件平均成本499萬美元高出約100萬美元。
報告顯示，攻擊者主要利用深度偽造技術進行身分冒充，並結合AI驅動的惡意軟件發動攻勢。隨著攻擊執行速度提升、成本下降，企業在偵測、修補及事後處理方面的支出卻持續增加，令網絡風險的經濟失衡進一步擴大。
AI令攻擊成本下降，資料外泄代價上升
IBM的研究指出，攻擊者可能只需數千美元便能發起AI輔助攻擊，但受害企業須承擔數百萬美元的資料外泄成本。這種成本差距，正改變企業評估網絡風險及配置保安資源的方式。
在保安營運中採用AI及自動化技術的企業，平均可節省接近200萬美元的資料外泄成本。然而，仍有四分之一受訪企業尚未把相關工具納入保安營運體系，反映企業在自動化部署方面仍存在明顯落差。
企業開始由事後應對轉向風險預防
由Ponemon Institute進行的後續研究顯示，知悉前沿AI網絡攻擊威脅的企業中，85%計劃增加保安預算；相比之下，在初始研究中，只有64%的機構表示會在實際遭遇資料外泄後增加相關預算。
這項差異顯示，企業正逐步由「事件驅動型應對」轉向「風險驅動型預防」，並嘗試在攻擊發生前投資於威脅偵測、漏洞管理及事件遏制能力。
不過，AI在保安營運中的應用仍集中於部分環節。超過50%的企業已把智能體用於威脅偵測與遏制，但只有18%將智能體部署到漏洞修補及管理流程。這意味著，AI可能縮短攻擊者利用漏洞的時間窗口，但企業已知漏洞仍可能長時間未被修補。
報告另指，四分之三受訪者認為，前沿AI威脅正迫使企業重新思考智能體在整體保安營運體系中的部署方式。
保安業界：關鍵在於縮短漏洞發現與修補的時間差
IBM保安軟件副總裁Suja Viswesan表示：「真正改變的是網絡攻擊的經濟邏輯。AI令攻擊變得更快、成本更低，但資料外泄的代價卻愈來愈高昂。當機構的漏洞發現與修補之間存在過長時間差，這種失衡便會直接反映在外泄成本上。」
她指出，企業需要把修補能力嵌入開發流程，在運行時保障身分安全，並以能夠匹配攻擊速度的節奏處理網絡威脅。
62% AI驅動攻擊針對關鍵基礎設施
報告指出，AI驅動攻擊中有62%以關鍵基礎設施為目標，其中金融服務及能源機構受到的攻擊最為集中。由於這些行業連接經濟活動、供應鏈及基本服務，攻擊一旦成功，可能帶來更廣泛的系統性影響。
按行業計算，金融服務業每宗資料外泄事件平均造成630萬美元損失，能源業的平均損失則為520萬美元。
AI模型與應用的保安鏈仍有缺口
超過20%的受訪企業曾遭遇針對AI模型或AI應用系統的入侵攻擊。最常見的兩項成因均佔27%，分別是周邊系統薄弱，以及雲端平台配置不當。
- 周邊系統薄弱：API、應用程式或插件遭到入侵，令攻擊者能夠從AI系統周邊進入相關工作流程。
- 雲端配置不當：雲端環境設定問題影響AI工作負載，增加資料及模型遭未授權存取的風險。
這些數據顯示，企業的AI保安不能只集中於模型本身，亦需要涵蓋API、插件、雲端環境、身分管理及應用程式等整條技術鏈。
加密管理與量子風險成為另一項關注
雖然企業在量子保安方面的投資持續增加，但加密機制及密碼管理體系的缺口仍令企業面臨風險。
在曾經遭遇資料外泄的企業中，只有37%能夠對敏感資料在靜態儲存及傳輸過程中實施雙重加密保護；只有34%的機構對其加密資產保持完整可見性。這反映部分企業仍未能全面掌握資料保護範圍、加密狀態及密碼資產管理情況。
勒索軟件轉向利用企業聲譽施壓
報告顯示，勒索軟件事件比例由去年的34%上升至39%。攻擊者正更多利用AI實現攻擊自動化及規模化，並逐步把施壓重點由單純造成業務中斷，轉向打擊企業聲譽及其他高價值資產。
在勒索事件中，以品牌聲譽作為要挾籌碼的手法最常見，佔41%；其次是員工資料，佔35%；知識產權則佔31%。
研究方法
《2026年資料外泄成本報告》由Ponemon Institute執行，IBM提供贊助及分析。研究基於全球602家企業與機構在2025年3月至2026年2月期間經歷的資料外泄事件。
後續研究於2026年5月進行，共有456家曾參與資料外泄成本報告研究的機構回應，其中78%，即356家機構，表示知悉近期有關Mythos等高度先進前沿模型的報道。
