IBM 報告：四分之一數據洩露由 AI 攻擊造成，單筆損失高出均值 20%

IBM 與 Ponemon 研究所聯合發布的最新調查報告顯示，生成式人工智慧與自動化技術的快速普及，正在從根本改變網路安全的攻防格局。報告指出，由 AI 驅動的攻擊已佔整體惡意數據洩露事件的四分之一，佔比相較前一年大幅增長 56%。這類攻擊不僅數量攀升，造成的財務衝擊也更為嚴峻，平均每起事件導致約 600 萬美元的損失，較整體數據洩露事件的平均成本高出 20%，顯示攻擊者正利用 AI 技術提升攻擊效率與規模，對企業資安防線構成全新層級的威脅。 報告進一步揭露了攻擊目標的集中化趨勢。在所有 AI 驅動的網路攻擊中，高達 62% 的攻擊行動瞄準關鍵基礎設施，其中金融服務與能源機構受害最為嚴重。由於這些產業肩負經濟運作、供應鏈穩定與民生基本服務的核心角色，一旦遭逢攻擊，不僅單一企業受創，更可能引發連鎖效應，對整體社會運行造成難以估量的間接損失。研究人員警告，隨著 AI 工具門檻降低，關鍵基礎設施已成為高價值且高度脆弱的攻擊標的，相關機構必須正視這項結構性風險。 攻防成本之間的嚴重失衡，是這份報告最值得關注的警訊之一。IBM 安全軟體副總裁 Suja Viswesan 直言：「真正在改變的是網路攻擊的經濟學邏輯——AI 讓攻擊變得更快、更便宜，而數據洩露的代價卻越來越高昂。」這番話精準點出當前資安困境的核心：攻擊者藉由 AI 自動化大量產出攻擊 payload、快速掃描漏洞並動態調整攻擊策略，大幅壓低發動攻擊所需的時間與金錢成本；反觀防守方，卻仍須投入大量人力進行監控、分析與應變，導致防禦成本居高不下。 不過，這份報告同時也指出 AI 在防禦端的巨大潛力。數據顯示，在安全營運流程中導入 AI 與自動化技術的企業，平均可節省近 200 萬美元的數據洩露成本。然而，儘管效益顯著，仍有約四分之一的企業尚未部署相關技術，錯失降低損失的關鍵機會。研究人員認為，這項落差反映出部分組織在資安投資上仍傾向保守，未能及時跟上攻擊技術演進的速度，導致防禦能量出現明顯缺口。 在 AI 智能體的應用層面，調查發現已有超過半數的企業將 AI 智能體運用於威脅偵測與遏制工作，顯示這項技術在即時應對層面已獲一定程度的認可。但值得注意的是，僅有 18% 的企業進一步將其部署到漏洞修復與管理環節。專家分析，威脅偵測只是資安防護的起點，真正的挑戰在於發現漏洞後能否迅速完成修補；若未能將 AI 能力延伸至修復階段，企業仍可能暴露於未知風險之中，形成「看得見、補不完」的窘境。 與此同時，AI 技術本身也正成為攻擊者的目標。報告指出，超過 20% 的企業曾遭遇針對 AI 模型或應用系統的入侵攻擊，其中最常見的誘因並非複雜的攻擊手法，而是周邊系統防護薄弱以及雲端平台配置不當。這項發現凸顯出一個關鍵問題：企業在積極導入 AI 的同時，往往忽略了 AI 系統本身的安全防護，包含模型訓練環境、API 介面、資料儲存空間等環節，都可能成為攻擊者滲透的破口。 Viswesan 在評論中強調，當前資安工作的重中之重，在於消除漏洞發現與修復之間存在的時間差。他表示，防守方若仍仰賴手動排查與傳統修補流程，面對 AI 驅動的自動化攻擊幾乎毫無還手之力；當攻擊已經完成滲透，防禦人員可能還在逐一檢視日誌紀錄。他建議企業應將漏洞修復能力內嵌至軟體開發流程之中，透過自動化工具在開發階段即時攔截與修補弱點，以與攻擊速度匹配的節奏回應威脅，才能有效縮短攻擊者的可利用窗口。 這份報告的發布時機，正值全球企業加速導入生成式 AI 應用的關鍵階段。一方面，AI 帶來的效率提升與創新機會讓各產業趨之若鶩；另一方面，攻擊者同樣在善用這項技術武器化網路攻擊。研究人員提醒，企業在制定 AI 策略時，必須將安全視為核心前提而非事後補救，否則在享受 AI 紅利的同時，也將暴露於更為嚴峻的資安風險之中。特別是在關鍵基礎設施領域，防禦能量的強化已不僅是企業自身的課題，更攸關整體社會的穩定與安全。