Akamai 收购 LayerX,为所有浏览器提供端到端安全和实时 AI 使用控制。 获取详情
Background

影子 AI、恶意智能体与数据泄露:AI 风险应对专题报告

August 05, 2026 by Kimberly Gomez

分享

核心要点

Akamai 发布的互联网现状 (SOTI) 安全专题报告揭示了企业快速采用 AI 如何扩大威胁面,带来传统工具无法检测到的新风险。

工作场所中近半数 AI 对话使用个人帐户进行,导致企业出现监测盲区并使数据面临被暴露给公共模型进行训练的风险。

近 75% 的 AI 浏览器扩展程序需要高级或关键权限,引发了扩展程序滥用导致窃取 API 密钥等漏洞。
自主 AI 智能体和 CometJacking 之类的提示注入攻击,使攻击者能够在没有人工监督的情况下,执行未经授权的操作。
安全负责人必须对身份、扩展程序和数据流实施有针对性的 AI 治理,从而兼顾提升员工工作效率与减缓风险。

众多企业正在全盘布局 AI。虽然企业过去对使用人工智能 (AI) 持谨慎观望态度,但如今,这已演变成大多数企业的战略刚需。其结果是,一个由 AI 助手、智能体、浏览器及其扩展程序以及自主工作流交织而成的庞大生态系统正在无序扩张,渗透到企业的各业务命脉,从代码编写、内容生成,到合同分析和任务自动化。

监管这些 AI 工具正在迅速成为提高生产力的关键驱动力,但它们也在悄无声息地扩大企业的攻击面。AI 应用的增加,引入了传统安全工具根本无法解决的新型风险。安全负责人们目前正苦于厘清数据流、访问权限归属,以及保障这些第三方系统安全的方式。

关于 AI 应用与威胁的新洞察

我们在互联网现状 (SOTI) 安全专题报告:2026 年企业 AI 使用风险报告中深入剖析了 AI 应用不断增加的重大趋势。

本报告分析了 LayerX 的数据,该公司是一家安全企业浏览器提供商和 AI 使用管控领域的领先企业,近期已被 Akamai 收购。该报告细致剖析了 AI 在企业内的应用场景与方式、攻击者恶意利用其的手段,以及 CISO 如何兼顾 AI 带来的提高生产力的红利并有效管理这些新型风险媒介。

AI 应用带来的 5 大风险

我们针对企业如今应用 AI 面临的 5 大风险提供了依托真实数据作出的切实分析:

  1. 工作场所 AI 应用激增,威胁面随之扩大
  2. 个人 AI 帐户和未经批准的 AI 应用程序催生影子 AI
  3. AI 数据泄露带来数据泄漏风险
  4.  大多数企业中鲜少被察觉的浏览器和 IDE 扩展程序
  5.  AI 智能体渗透到企业环境并在现有防护措施之外运行

想要了解更多详情?该报告开辟了专门的安全专题,详细剖析攻击者在实际环境中利用这些漏洞的手段。

工作场所 AI 应用激增,威胁面随之扩大

LayerX 分析指出,企业内部正在出现一小部分“AI 高级用户”。相关数据表明,活跃度排名前 5% 的用户人均发起至少 144 次对话,频繁使用超过 18 个提示词,反映出与 AI 进行迭代协作的发展趋势。 

这些用户更常分享业务信息、上传文件、提交敏感数据、在日常决策中利用 AI,并将执行层面的工作委托给自主 AI 智能体。这凸显出企业 AI 风险在很大程度上是由一小群高频使用 AI 的用户所引发的。

此外,提示词微调劫持(即使用自然语言提示诱骗 AI 模型绕过安全防护措施或发动自动化网络攻击)的涌现,带来了更多看不见的风险。了解 AI 模型在工作流中的集成深度正变得至关重要。

个人 AI 帐户和未经批准的 AI 应用程序催生影子 AI

大多数企业都将治理重点放在 ChatGPT、Microsoft Copilot 以及 Google Gemini 等广泛使用的 AI 平台。但与此同时,员工正在越来越多地使用处于企业监管视线之外的 AI 应用程序或订阅服务。这导致企业在把控业务数据存储、保留及处理方式上面临严重的监测盲区。

LayerX 数据显示,近半数 (47.11%) 企业 AI 对话通过个人帐户而非企业托管帐户进行,导致大面积的治理监测盲区。此外,超过 14% 的企业 AI 对话使用的是免费 AI,在“免费增值”模式下,会让渡相关数据给大语言模型 (LLM),用于公开模型训练。

中国 AI 公司 DeepSeek 的案例表明,用户 AI 采用率激增可能会冲破关键数据安全管控屏障。该情况反映出,企业必须持续监测员工自行采用的各类 AI 应用。

AI 数据泄露带来数据泄漏风险

AI 从根本上改变了数据丢失防范 (DLP) 的博弈规则。信息传输已不再局限于电子邮件、文件传输及云存储等权责明晰且保护得当的传统渠道。使用 AI 时,敏感信息可能通过提示词、对话、代码片段、复制文本以及其他非结构化形式“喂”给外部 AI。

单次与 AI 的交互可能看起来无害,但累积起来却可能暴露宝贵的商业背景,而这是传统的数据丢失防范 (DLP) 控制机制设计时无法检测到的。

例如,此 SOTI 报告重点介绍了最近的一个案例:美国政府官员通过公共 AI 基础设施,不小心泄露了网络安全和基础架构安全局 (CISA) 的敏感受限运营数据。

大多数企业中鲜少被察觉的浏览器和 IDE 扩展程序

员工正越来越多地通过浏览器内置扩展程序使用 AI。这些浏览器扩展程序通常对网页内容、用户活动、凭据及企业应用拥有广泛访问权限。

LayerX 研究表明,近 75% 的 AI 浏览器扩展程序需要高级或关键权限。这可能为不受管理的 AI 访问敏感数据打开方便之门,成为恶意攻击者垂涎的目标。该研究还发现,众多 AI 扩展程序都存在已知常见漏洞和风险 (CVE)

以 CursorJacking 为例,这是一种隐蔽的安全漏洞,专门瞄准使用热门 Cursor AI 编程助手的开发人员。攻击者只需一个恶意浏览器扩展程序,就能悄悄窃取 Cursor API 密钥,冒充开发人员身份,破坏整个 AI 驱动的开发环境。

AI 智能体渗透到企业环境并在现有防护措施之外运行

自主 AI 智能体的快速普及,加上 AI 浏览器和智能体用户界面,创造了又一个新的风险维度。这些智能体越是深入集成到日常运营和敏感数据流,就越能像独立团队成员一样运作,在几乎没有人工监督的情况下作出决策。

一种名为 CometJacking 的新型攻击技术将 Perplexity 的 Comet AI 浏览器作为靶子,生动阐释了这一威胁。LayerX 研究人员表明,通过在网页中嵌入恶意指令,攻击者能够利用间接提示词注入攻击操纵浏览器的 AI 智能体,进而自由访问数据并执行未经授权的操作。

CISO 如何应对全新 AI 风险带来的挑战

本期 SOTI 安全报告明确指出,企业必须针对数据流、身份凭据、扩展程序以及自主智能体引入严格的 AI 治理机制,以此应对这个全新且碎片化的 AI 生态系统带来的挑战。

为协助推进此项工作,本报告特别呈献:

  • 一套经实战检验的实用风险缓解框架
  • 一份面向 CISO 和安全负责人且具有可操作性的建议检查清单

借助正确的安全框架,企业能够在不引入新威胁的情况下,尽情发掘 AI 的全部潜力。

想要查看完整案例?

下载新的 SOTI 专题报告:2026 年企业 AI 使用风险报告

关于作者

Akamai Wave Blue

Kimberly Gomez

Kimberly Gomez is the Director of Security Research at Akamai, where she leads research teams to deliver comprehensive analyses and reports that help organizations stay one step ahead of cybercriminals. With more than a decade in cybersecurity and a background spanning print, broadcast, and online journalism, Kimberly is passionate about security storytelling — the kind that can help even your grandparents understand what's happening in the threat landscape.

 

When she's not tracking down the latest cyberthreats, you can find her buried in a book, planning her next adventure, or chasing her son through the theme parks of Orlando.