OpenClaw—AI研究人工智能正在同时改变网络攻击与网络防御的面貌。IBM发布的2026年数据泄露成本报告显示，全球数据泄露的平均损失仍处于历史高位，事件响应周期并未明显缩短，而人工智能相关风险首次成为报告中反复出现的核心议题，企业对这一变化的感知也越来越直接。
从攻击侧看，生成式人工智能显著降低了作案门槛。攻击者可以用它批量撰写语言地道的钓鱼邮件、伪造高管语音与视频、自动生成并调试漏洞利用代码，还能借助智能体对目标进行持续扫描。IBM的另一项研究指出，英国发生的恶意数据泄露事件中，超过五分之一与人工智能生成的内容有关。
影子人工智能则构成了新的风险敞口。员工为了提效，常把合同、源码、客户资料甚至内部报表粘贴到未经审批的公开模型中，导致敏感数据在不知不觉间流向企业外部。安全团队往往在数据出现在暗网或收到监管问询后，才意识到这条泄露路径的存在。
防御一侧同样在加速拥抱人工智能。安全运营平台利用模型对海量告警做聚合与降噪，结合行为基线识别异常登录、异常数据外传和横向移动，并把常见处置动作自动化，从而缓解人手不足带来的告警疲劳，缩短从发现到遏制的时间窗口。
报告还提示，泄露成本在不同行业之间差异明显，医疗与金融等掌握大量敏感信息的行业通常付出更高代价，而具备成熟事件响应预案和演练机制的组织，损失明显更低。这说明技术投入必须与流程建设配套，单纯购买工具并不足以降低风险。
面向未来，企业需要把人工智能治理纳入整体安全框架：建立数据分类分级与使用审批，推行零信任和最小权限，强化多因素认证与凭证管理，对第三方模型服务做尽职调查，并定期演练人工智能被滥用时的应急处置流程。