AI 临界点
IBM 和 Ponemon Institute 的最新全球研究报告揭示了 AI 驱动攻击的增长趋势，以及来自前沿 AI 模型的新威胁如何迫使全球重新审视安全支出。
全球数据泄露平均成本（以美元计），比去年增长 12%，创历史新高。这是由于检测成本提高、上报成本攀升和业务成本损失所致。
AI 驱动的攻击与日俱增，其中 AI 深度伪造身份冒充和 AI 生成的恶意软件最为猖獗，这两者是占比最高的两类事件。
AI 模型逆向攻击的全球平均泄露成本（以美元计），反映出保护训练数据和敏感信息的难度日益增加。
与未使用 AI 和自动化技术的组织相比，在安全领域广泛使用 AI 和自动化技术可节省的成本（以美元计）。
关键要点
加入 IBM 和行业网络安全专家的行列，与其共同解读今年的主要发现和战略要点。他们还将就如何降低新兴前沿 AI 模型威胁带来的风险以及如何保护您的数据、人员和基础设施提供建议。
执行操作
- 身份安全
- 数据安全
- AI 自主
- 后量子安全
保护和控制智能体身份
随着 AI 智能体的普及，安全团队必须转变身份访问和控制措施，以确保智能体身份的安全。他们必须确保 AI 智能体通过基于身份的动态访问控制机制安全运行，包括在运行时持续执行严格限定的权限、明确的人工操作归属和可审计性。
提升 AI 数据安全实践
实施强大的数据安全基础：数据发现、分类、实时监控、威胁响应和合规简化。利用 AI 和数据安全来保护数据完整性并避免泄露。这些措施至关重要，因为 AI 既是一种威胁媒介，也是一种安全工具。
随时随地管理和保护 AI 系统
随着组织跨平台、云端和生态系统扩展 AI，他们可能会失去对模型运行模式以及数据转换和访问方式的控制力。为了维持控制力，组织应加强应用程序、数据和机器智能体的安全性，并确保云端工作负载得到合理配置和监控。
为后量子威胁做好准备
加密和密码管理方面的差距使组织面临风险。为了在量子时代管理密码，组织应该转向后量子加密算法，并通过在环境中发现密码、分析漏洞和修复风险来实现安全实践现代化。
