企业AI工具在网络攻击面前仍然极易受损,尽管各大企业正在竞相扩大AI工具的应用范围。网络安全公司Zscaler在周二发布的威胁报告中指出了这一问题。
报告发现,企业正在向AI工具投入大量数据,"这让AI平台成为全球网络犯罪分子更大的攻击目标"。
Zscaler建议企业关注可见性、实时防护和一致的治理控制措施。
Zscaler报告中最引人注目的发现是许多AI系统的脆弱性。研究人员写道:"它们几乎立即就会出现故障。当运行完整的对抗性扫描时,关键漏洞会在几分钟内暴露出来——有时甚至更快。"在Zscaler对25个企业环境进行的红队演练中,AI系统出现首次重大故障的中位时间为16分钟,而在90分钟内,90%的系统都出现了故障。在一个案例中,系统仅用一秒钟就出现了故障。
研究人员观察到的故障类别包括有偏见和偏题的回复、URL验证失败以及隐私泄露。报告警告:"模型仍然可能被迫暴露敏感数据或参与有害的工作流程。"
在72%的企业环境中,Zscaler对AI系统的首次测试就发现了关键漏洞。
报告指出,对首席信息安全官来说,教训是"从第一天起就存在关键风险,即使在成熟的环境中也是如此",安全人员需要不断测试其系统并应用严格的治理协议。
与此同时,Zscaler对其云环境中2025年近万亿次AI数据交易的分析显示了一些积极信号。企业的安全策略阻止了大约40%的AI交易尝试,Zscaler认为这反映了"治理的实际效果……因为领导者在创新速度和风险承受能力之间寻求平衡"。
Zscaler在2025年观察到的9893亿次AI交易比2024年增长了91%,该公司追踪了来自3400多种不同AI工具的活动。
美国约占交易总量的38%,其次是印度(14%)和加拿大(5%)。金融和制造业连续第三年在AI使用方面处于领先地位,在2025年分别占AI交易的23%和20%。
Q&A
Q1:Zscaler的报告显示AI系统有多脆弱?
A:报告显示AI系统极其脆弱。在25个企业环境的测试中,AI系统出现首次重大故障的中位时间仅为16分钟,90分钟内90%的系统都出现故障。最快的情况下,系统仅用一秒钟就出现故障。在72%的企业环境中,首次测试就发现了关键漏洞。
Q2:企业如何平衡AI创新与安全风险?
A:根据Zscaler的分析,企业安全策略阻止了约40%的AI交易尝试,这反映了企业在治理方面的实际行动。企业正在创新速度和风险承受能力之间寻求平衡,通过严格的治理协议和持续的系统测试来管控风险。
Q3:2025年全球AI工具使用情况如何?
A:2025年AI交易量达到9893亿次,比2024年增长91%,涉及3400多种不同AI工具。美国占交易总量的38%,印度占14%,加拿大占5%。金融业和制造业连续第三年领先,分别占AI交易的23%和20%。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。