AI安全调查：用昨天的技术保护今天的智能

新闻
13小时前
本文关键看点：

#01

AI系统分散在不同团队中，有效的集中监管已经崩溃；


#02

最大的挑战并非财务问题，而是缺乏专业技能（包括工具）；


#03

75%的CISO依赖于传统的安全控制工具，如终端、应用、云或API安全工具，来保护AI系统。


▍以下正文内容由AI工具生成，可能存在语义偏差，请以原文为准。


以下为正文


根据 Pentera 发布的《AI与对抗性测试基准报告2026》， 大多数安全负责人正在使用不适配的工具与技能来防护AI系统 ，难以应对当前威胁环境。

AI安全调查：用昨天的技术保护今天的智能.png

该报告基于对 300名美国CISO及高级安全负责人 的调研，重点分析了企业在AI基础设施安全方面的实践情况，并揭示出由技能短缺与工具错配所带来的关键风险。

PART 01

AI部署速度超过安全可视性

AI系统通常不会独立部署，而是深度嵌入企业现有技术体系，包括：

  • 云平台

  • 身份系统

  • 应用系统

  • 数据管道

由于这些系统由不同团队分别管理，统一的集中安全可视性正在被削弱甚至“失效”。

调查结果显示：

  • 67%的CISO表示对AI使用情况缺乏可视性

  • 没有任何受访者表示具备完全可视性

相反，大多数组织实际上已经接受了一定程度的：

  • 未受管理的AI使用

  • 未经批准的“影子AI”

在缺乏清晰视图的情况下，安全团队难以有效评估风险，例如：

  • AI系统使用了哪些身份凭据

  • 可访问哪些数据资源

  • 当安全控制失效时会如何行为

这些基础问题在许多组织中仍然无法回答。

PART 02

最大瓶颈不是预算，而是能力

尽管AI安全已成为董事会和管理层的重要议题，但报告指出，最大挑战并非资金，而是能力不足。

CISO列出的主要障碍包括：

  • 缺乏内部专业能力（50%）

  • AI使用可视性不足（48%）

  • 缺乏专门针对AI的安全工具（36%）

相比之下，仅有：

  • 17%认为预算是主要问题

这表明，大多数企业愿意投入AI安全，但缺乏评估与管理AI风险的专业能力。

AI系统引入了一系列传统安全模型难以覆盖的行为特征，例如：

  • 自主决策（Autonomous decision-making）

  • 间接访问路径（Indirect access paths）

  • 系统之间的高权限交互

如果缺乏专业能力与持续验证机制，企业很难判断现有安全控制是否真正有效。

PART 03
传统安全控制仍在“硬撑”AI安全

在缺乏AI专用方法论、工具与能力的情况下，企业普遍选择将现有安全控制“延伸”到AI环境。

调查显示：

  • 75%的CISO依赖传统安全控制（终端、应用、云或API安全工具）

  • 仅有 11%使用专门针对AI的安全工具

这种现象在技术演进初期并不罕见——企业往往先使用既有防御体系进行适配，然后再逐步建立专门的安全能力。

然而，这种方式存在明显局限：

  • 传统控制并未考虑AI带来的访问模式变化

  • 无法覆盖AI扩展出的新攻击路径

  • 难以识别AI系统的隐式行为风险

PART 04

一个“熟悉”的问题，在AI时代重演

综合来看，报告认为：

AI安全问题的本质并不是认知不足，而是基础能力体系的缺失。

随着AI逐步成为企业核心基础设施的一部分，企业需要重点关注：

  • 建立AI安全专业能力

  • 提升对AI环境的可视性

  • 强化跨系统的安全验证能力

报告指出，未来安全建设的关键，不只是“部署AI”，而是确保在AI已经运行的环境中，能够持续验证安全控制的有效性。