全球云上数据泄露风险分析简报（第八期）

全球9-10月云上数据泄露风险分析简报（第八期）总结

本报告分析了2025年9-10月期间全球云上数据泄露态势，通过对8起典型案例的剖析，揭示了当前云上数据安全面临的核心挑战与最新动向。报告指出，AI技术引发的安全风险持续深化，攻击面逐渐扩展至支撑其运行的整个基础设施，且针对AI的攻击手法变得更为隐蔽和巧妙。同时，云服务配置错误、凭证泄露和供应链安全等基础性问题依然是数据泄露的主要根源。

核心观点：

• AI应用及其基础设施风险突出： 由AI技术引发的安全风险持续深化，攻击手法不断迭代，例如攻击者利用AI服务依赖的基础设施配置错误导致用户数据和隐私对话泄露；同时，“CamoLeak”攻击技术诱导GitHub Copilot敏感数据外泄事件，标志着社工攻击已深入到开发者日常使用的AI辅助工具中。
• 云服务配置错误、凭证泄露和供应链安全等基础性问题依然是数据泄露的主要根源： 本期收录的8起案例中，因配置错误直接导致的事件高达4起；系统入侵仍是导致高价值数据被窃的主要原因，本期占比3起；此外，大规模供应链攻击也造成严重后果。

关键数据：

• 本期收录的8起典型案例中，因配置错误直接导致的事件高达4起。
• 系统入侵仍是导致高价值数据被窃的主要原因，本期占比3起。
• “CamoLeak”攻击技术可绕过GitHub Copilot导致敏感数据外泄。

研究结论：

• 云上数据安全防护需要覆盖完整的生命周期与技术栈，尤其是针对AI系统的安全防护。
• 企业需要加强云服务配置管理，遵循最小权限原则，禁用匿名访问，并限制网络访问范围。
• 企业需要加强身份凭证管理，及时更换凭证，并针对模型的输入/输出进行严格的验证与过滤。
• 企业需要部署AI安全网关，并加强第三方SaaS集成的访问控制和行为监控。
• 企业需要建立快速响应流程和日志分析机制，对潜在横向移动行为进行实时监测。