规模化AI安全防护 ：威胁无形，防御有韧

核心观点

• AI 威胁加剧： AI 正加速攻击手段创新，重塑威胁格局。全球 80% 的受访高管表示其组织在过去一年中遭遇过 AI 驱动型网络攻击，攻击更快、更持久、更具自适应能力。
• 传统安全模型失效： 传统安全模型无法通过改造应对 AI 特有风险，零散的单点解决方案更难以应对边界模糊、非人类身份激增等新型风险。
• AI 暴露面管理至关重要： AI 暴露面管理是保障 AI 驱动型企业安全的关键基石，它提供对 AI 资产全景的完整洞察，实现对风险的持续识别与主动化解。
• 一体化 AI 运营平台是关键： 建立一个对共享数据、身份控制与治理进行统一管理的平台，是下一代防御体系的核心，为规模化安全防护提供基础支撑。
• 责任共担与生态合作： AI 安全需要供应商、服务商与合作伙伴之间的责任共担，构建生态安全能力，共同确保问责机制的落地。

关键数据

• 全球 61% 的受访领导者表示，其组织的 AI 模型、资产或数据曾遭入侵。
• 全球 67% 的受访高管称，其组织过去一年遭遇过 AI 驱动型攻击。
• 全球 25% 的组织已开始将 AI 集成到运营与安全基础设施中，并采用了成熟的 AI 暴露面管理并共享 AI 治理实践。
• 全球组织平均使用 27 种不同的 AI 解决方案，来自 10 家供应商。
• 全球组织平均使用 73 种网络安全解决方案，来自 22 家供应商。
• 中国组织平均使用 30 种不同的 AI 解决方案，来自 12 家供应商。
• 中国组织平均使用 80 种网络安全解决方案，来自 26 家供应商。
• 到 2028 年，因 AI 安全防护而产生的年度网络安全支出平均将增长 55%。

研究结论

• 企业需要从被动响应转向主动预防，构建一个 AI 驱动、智能体自动化、平台化的架构，整合企业全域数据、智能自动化与治理能力。
• 企业需要将 AI 深度融入技术、安全与运营基础设施，并落地成熟的 AI 暴露面管理与共享治理实践。
• 企业需要与 IT 及业务部门建立深度协作机制，构建全新的安全责任共担模型，以有效应对 AI 优先工作方式带来的速度与不确定。
• 企业需要选择合适的合作伙伴，并就 AI 标准与 AI 代理协议进行清晰、持续的沟通，构建生态安全能力。