2026 年 X-Force Threat Intelligence Index 报告

网络攻击者仍在利用身份、访问控制和凭据的薄弱环节，持续扩展其攻击范围和影响力，而非依赖高度复杂或新颖的技术。虽然攻击工具和自动化技术已取得进步，但导致攻击者得逞的根本症结并未解决。

一旦获得访问权限，攻击者就会持续进行凭据采集、权限升级和会话劫持，从而实现跨混合、云端和 SaaS 环境的水平运动。根据今年的报告数据，此类活动已进一步加剧——其原因是超过半数已披露的漏洞无需身份验证，使得攻击者不必再绕过身份控制，即可占据立足点。

此外，地下市场中公开泄露的 AI 聊天机器人凭据表明，AI 平台已迅速成为企业身份攻击面的组成部分。尽管观察到的凭据已失效，但其与信息窃取程序等恶意软件的持续关联，凸显了 SaaS 和 AI 生态系统中凭据管理不善和身份健康水平低下相关风险日益增长的现状。

与此同时，过去五年中，主要供应链和第三方数据泄露事件已增加近四倍，这反映出攻击者越发依赖窃取的身份、共享的凭据和过度信任的集成来获取访问权限，以持续攻击系统。

鉴于这些趋势，组织应该如何应对以及从何着手？以及如何将安全策略转化为真正的业务优势，而非仅仅降低风险？

随着威胁参与者开始利用 AI 对安全团队施加压力——扩大钓鱼活动规模，加速生成恶意代码，并优化社会工程，安全负责人需要采取主动策略，而非被动应对这些威胁。他们应借助 AI 驱动的端到端安全系统，保障组织的未来发展。

这一“左移”战略（即从被动战术响应转向主动防御计划）意味着组织首先应全面了解快速演变的威胁态势，将最新威胁以及更广泛的背景信息和洞察分析纳入其战略规划之中。

这些洞察分析数据可以由安全合作伙伴提供，并结合智能体式 AI 驱动的威胁检测和响应能力，做好应对后量子威胁的准备。这一左移实践也必须建立在坚实的风险管理、评估与态势基础之上。借助 AI 安全状况管理 (AISPM)，组织可以深入了解云环境中人工智能驱动型应用程序的运行状态并实施安全防护，以监控和治理 AI 资产，同时保护部署环境免受数据投毒和对抗性攻击等威胁的影响。

左移策略还应考虑组织的业务环境及其风险承受能力。这一策略应优先根据业务影响，保护关键资产和数据，洞悉攻击者的动机和能力，同时主动识别和管理供应链及第三方依赖关系。

自主安全运营中心近期快速发展，通过智能体式 AI 强化安全人员能力，可统一调度多个智能体，覆盖从威胁搜寻到修复整改的全流程。这能为组织提供相应能力，及时检测并缓解日益复杂的 AI 生成式攻击。

对于组织来说，保护身份一直是一项严峻的挑战。未来，这一挑战的难度将逐渐升级。随着攻击者不断优化凭据驱动的攻击手段，IT 和安全负责人需要借助 AI，清晰识别 IT 环境中基于身份的各类风险与威胁。通过将人工智能驱动的身份威胁检测与响应 (ITDR) 以及身份安全状况管理 (ISPM) 服务和解决方案相结合，组织能够更快速、高效地采取行动以发现漏洞，并防范攻击。

同样值得强调的是：身份必须视作关键基础设施。鉴于 AI 驱动型数据和智能体式工作流的敏感性，安全负责人应尽快采取行动，将身份系统提升至与核心基础设施组件同等的弹性、治理和监控水平。他们还应面向员工、客户、合作伙伴及机器身份，集中实施身份访问管理与治理措施。

他们也应根据用户行为、设备状态和工作量特征等背景信息，持续实施基于风险的访问控制。这一转变需要借助专业的威胁搜寻功能、AI 专用防护措施和基础设施级安全控制，以防御日益复杂的外部攻击。

除了凭据泄露的风险外，无需身份验证即可侵入的漏洞也在不断增加，表明了将身份直接集成到应用程序架构的必要性。

为了保护这些架构，安全团队应基于对外和内部应用程序、API 以及服务间通信，实施严格的身份验证与授权管控。这些团队应使用身份感知访问策略来缓解风险，防止应用程序层面的漏洞演变为更大范围的攻击事件。

攻击者热衷于利用为人忽视或易被忽略的漏洞。幸运的是，安全负责人知晓应如何处理这一问题，只需回归最基本的第一原则——即采取持续、主动的策略来识别环境中的薄弱环节，例如定位以下问题：

- 不安全的代码

- 凭据薄弱或重复利用

- 配置错误

- 未经授权的变更

- 不安全的默认设置

- 高风险用户行为

- 缺失的补丁

如果攻击者确实突破了漏洞，以下三个策略可助您防止初始漏洞升级为凭据采集或数据渗漏：主动修复、卓越的配置健康水平以及持续监控应用程序行为。

此外，您还需要对整个技术堆栈（包括应用程序、网络、云基础设施、AI 模型、大型机、硬件甚至人员）进行定期渗透测试，以识别可能导致未授权访问或敏感系统和数据泄露的漏洞以及配置问题。

AI 聊天机器人和智能体式工作流必须像其他企业 SaaS 平台一样，实施同等水平（甚至更加严格）的保护和治理措施。但是，面对紧迫的部署期限，这些措施往往难以落实。这的确是一个问题，因为 AI 带来的风险和威胁会对组织构成重大挑战。

智能体式 AI 带来了新风险，也放大了原有风险。安全负责人需要制定全面的人工智能治理解决方案，以值得信赖、公开透明且能够创造价值的方式扩展 AI。为了避免供应商锁定，这项解决方案应采用不受平台限制的开放式混合架构，这意味着组织可以根据用例部署模型，并在关键环节嵌入 AI。

模型治理可评估底层 AI 系统，测试其性能与准确性，并防范不当行为。及时了解与 AI 使用相关的法规，对于满足合规要求并降低风险至关重要。

组织应评估 AI 在整个企业中的应用情况，包括实施完善的身份验证和基于条件的访问控制，充分保障 AI 系统的安全，保护 AI 服务凭据和令牌，并监控异常访问模式或凭据泄露风险。

安全策略配置错误、数据泄露和常见的人为错误，可能会导致组织的重要品牌、域名、IP 地址或客户特定资产外泄，这凸显出网络边界无法控制的风险。安全团队应与值得信赖的合作伙伴密切配合，确定这些高价值资产在面向公众的表层网络、未编入索引的深网以及暗网中黑市站点内的泄露情况。这些专业服务包括对凭据盗窃、可疑域名、CVE 和安全公告的监控功能。

数据和 AI 在当今数字化组织和全球数字经济中的影响日益提升，安全负责人必须推进创新并灵活适应 AI 驱动型变革的演进趋势。为此，这些领导者及其团队应实施正确的数据保护控制措施——如加密、访问控制、数据丢失预防、监控和审计以及安全数据分类，以保护组织数据并管理输入 AI 中的数据，以防止敏感数据意外泄露。

数据安全一直至关重要，在 AI 时代更是重中之重，例如定位敏感数据所在、理清数据使用与暴露情况、按场景分级处置数据风险，并实施主动控制措施，同时还要满足 GDPR、CCPA、PCI-DSS 等严格的合规要求。