当企业争相部署AI时，安全短板往往被忽视。IBM的一份新报告揭示了一个令人警醒的事实：绝大多数AI安全事故的根源并非模型缺陷，而是基础访问控制的缺失。
发生了什么
IBM对多家遭遇AI安全事件的企业进行了调查，结果显示92%的案例中，企业未能对其AI系统实施充分的访问控制。这意味着，攻击者可能通过未受保护的接口、弱身份验证或过度宽松的权限，轻易接触到敏感的AI模型、训练数据或推理结果。报告强调，模型本身很少成为直接攻击目标，问题更多出在系统外围——API、管理界面、数据管道等环节。
为什么重要
这一发现颠覆了人们对AI安全的主流认知。过去，业界常聚焦于模型对抗攻击、数据投毒等高级威胁，但IBM的数据表明，最普遍的漏洞其实是基础性的。随着AI从实验走向生产，企业往往急于上线，而忽视了将AI系统纳入既有安全治理框架。访问控制是安全体系的基石，缺失它，再先进的模型也如同裸奔。此外，监管环境日益严格，GDPR、AI法案等法规对数据保护和系统安全提出明确要求，此类漏洞可能带来合规风险。
影响与看点
对开发者而言，这意味着在构建AI应用时，应将身份验证、权限管理和审计日志作为第一优先级，而非事后补救。对安全团队来说，需要将AI资产纳入统一的安全监控，确保访问策略与业务同步。值得关注的是，IBM的发现可能促使更多企业重新评估其AI安全成熟度，推动访问控制解决方案的标准化。一个独立的判断是：AI安全的核心不是对抗更聪明的攻击，而是堵住最愚蠢的漏洞。未来，安全厂商或将推出针对AI系统的专用访问控制产品，而企业则需在创新与安全之间找到平衡。
