IBM 近日公布《2025數據洩漏成本報告》警示，目前企業應用 AI 的速度遠超過其建置 AI 安全與治理，然而許多企業為了讓 AI 應用快速上線而忽略 AI 安全與 AI 治理。缺乏監管的AI系統更容易遭受攻擊，且造成的企業損失更為重大。
今年的報告首次針對 AI 應用的安全防護、治理機制、與控制訪問狀況進行研究；儘管研究結果顯示曾出現 AI 相關安全漏洞的企業僅佔採訪樣本的 13%，AI 應用已經成為門檻低、商業價值高的網路攻擊目標。
IBM 安全和營運產品副總裁 Suja Viswesan 指出，報告結果顯示 AI 應用與治理之間的斷層已經存在，駭客正伺機而動。企業的AI 應用普遍缺少基本的存取控制，導致機敏資料遭洩漏、模型可以輕易被篡改。隨著 AI 技術更多、更深、更廣地融入企業流程，AI 安全防護必須成為基礎與重心。不作為的代價不僅損失金錢，更將損害客戶的信任、企業的透明度與自主權。
報告也提出一份比較資料：企業若在其安全業務領域廣泛應用 AI 與自動化技術，其資料洩露損失平均減少 190 萬美元，處理數據洩漏事件的週期平均減少 80 天。
這份報告由 IBM 主持與分析、Ponemon Institute 執行訪問；資料來自於 2024 年 3 月至 2025年 2 月全球 600 家發生過數據洩露的企業。報告的關鍵發現包括：
AI 時代的企業安全漏洞發生領域：
- AI 治理政策：63% 曾發生過數據洩露的企業尚未建立 AI 治理政策或仍在規劃階段。已經制定AI 治理政策的企業裡，僅有 34% 定期審查未受批准的 AI 工具。
- 「影子 AI」的代價：五分之一的企業曾因影子 AI現象（未經公司同意或監管的AI工具）導致數據洩露，僅 37% 的企業制定了管理或偵測影子 AI 的政策。與較少出現影子AI的企業相比，發生率高的企業其平均數據洩露成本多出 67 萬美元。涉及影子 AI 的安全事件導致個人身份資訊 (65%) 和智慧財產權 (40%) 洩露的比例，遠超過全球平均值（分別為 53% 和 33%）。
- 由 AI 驅動的智慧型攻擊：16% 的數據洩露事件涉及駭客使用AI 工具；主要用於網路釣魚或發動深度偽造的網路攻擊。
數據洩漏的經濟損失：
- 數據洩漏成本：
全球數據洩漏平均成本下降到 444萬美元，是近五年來首次下降；但美國企業的平均數據洩漏成本卻高達 1,022萬美元。
- 處理數據洩露的全球平均週期創新低：
隨著更多企業執行內部漏洞檢查，讓全球處理數據洩露的平均週期（含恢復服務的漏洞識別與處理時間）縮短至 241 天，較前一年減少 17 天。與被外部攻擊的洩漏事件相比，透過內部檢測發現漏洞的企業平均減少損失達90 萬美元。
- 醫療照護業的數據洩露成本仍居首位。
儘管醫療行業的資料洩露成本較 2024 年減少 235 萬美元，其 742 萬美元的平均損失仍在本次調查的所有行業中居首位。醫療業的安全漏洞識別與控制週期長達 279 天，比全球均值241 天多五週以上。
- 更多企業抵制駭客勒索：
企業拒絕支付贖金的比例增加，63% 的機構選擇拒絕支付勒索贖金，2024 年的比例為 59%。儘管有更多企業抵制勒索，敲詐及勒索軟體事件的平均成本仍居高不下 — 尤其是被駭客攻擊時，損失高達 508 萬美元。
- AI 風險攀升，但企業對投資AI安全措施的動能卻不足：
計畫在經歷數據洩漏事件後增加安全投資的企業比例顯著下降，從 2024 年的 63% 降至2025年的 49%。而在計畫追加投資AI安全的企業裡，建置以 AI 驅動的安全方案或服務的企業不到一半。
數據洩漏的「長尾效應」：營運中斷 、營運成本增加
關於 IBM《數據洩露成本報告》
IBM 《數據洩露成本報告》在過去 20 年累計調查研究約 6,500 起數據洩漏事件。自 2005 年首次發布以來，數據洩露事件的本質已發生巨大的變化：早期企業風險主要來自實體層面；如今，網路攻擊已全面數位化且具有更強的針對性，數據洩露事件的背後是一系列更複雜的惡意活動。
隨著企業加速 AI 應用，2025 年的《資料洩露成本報告》首次聚焦以下領域：AI 安全防護與治理機制現狀、AI 安全事件中的目標資料類型、AI 驅動型攻擊的關聯損失、影子 AI 的氾濫程度及風險特徵。結合往期報告中的研究發現：
- 2005 年：近半數 (45%) 的數據洩露因遺失筆記型電腦或隨身碟等設備引發，僅有 10% 源於電腦系統被入侵。
- 2015 年：雲端環境的配置錯誤尚未被列為獨立威脅類別；如今已成為主要攻擊目標。
- 2020 年：勒索軟體攻擊數量激增；2021 年關聯洩露平均成本達 462 萬美元，2025年該數字攀升至 508 萬美元（前提是事件由攻擊者發動）。
- 2025 年：今年首次納入研究的 AI 安全領域正快速成為高價值的攻擊目標。