作为身份与数据安全解决方案领域的公认领导者，Netwrix 今天发布了其安全展望，预测随着代理式 AI（agentic AI）变得更加突出，网络安全的下一阶段破坏将来自对手扩大身份攻击规模，以攻破数据安全。
该展望由 Netwrix Security Research Lab 制定，重点介绍最可能在 2026 年至 2029 年期间重塑网络安全格局的趋势。上述预测基于 Netwrix 研究人员对现实世界中身份攻击以及数据暴露路径的持续研究与观察。
2026年最有可能重塑安全格局的因素是什么
- 身份自动化加深了身份与数据安全之间的依赖关系
到 2026 年，身份安全将在流程编排（workflow orchestration）和自动化方面迎来显著扩展，覆盖从账号/权限开通（provisioning）、令牌校验（token validation）到特权管理（privilege management）等环节。
如今，这些流程决定了谁以及什么可以访问敏感数据，这意味着身份自动化中的故障会直接转化为数据暴露风险。
对手正将关注点从单个凭据转向身份编排、联邦信任以及配置错误的自动化。由于对关键数据存储的访问始于身份，因此需要在身份安全与数据安全之间实现统一的可视性，以检测配置错误、减少盲区并更快响应。 - 代理式 AI 在规模化场景中扩展由身份驱动的数据访问
随着 AI 系统开始自主执行任务，它们会依赖身份来访问、移动并对数据采取行动。理解 AI 代理使用哪些身份、它们能够访问哪些数据，以及它们在谁的授权之下运行变得至关重要。
如果没有强有力的身份治理与数据控制协同工作，代理式 AI 可能会迅速放大数据暴露。随着由 AI 驱动的自动化持续且在规模化条件下运行，身份安全与数据安全之间的依赖关系将更加突出。 - 网络保险要求提供身份与数据控制的证明
随着身份自动化与由 AI 驱动的访问增加数据暴露风险，网络保险公司正在改变其评估与定价风险的方式。保险公司不再仅依赖定期问卷，而是转向对身份与数据安全控制进行持续验证。
预计保险公司将依赖能够证明身份如何在实时场景中访问敏感数据的遥测（telemetry）数据。能够展示身份治理与数据保护之间保持一致性的组织，可能会在条款方面获得更有利的条件；而缺乏可视性的组织则将面临更严格的审查。
2026 年不太可能重塑安全格局的因素是什么
- 真正的 AI 风险在于加速，而非自主
尽管 AI 已在重要方面影响网络安全，但到 2026 年，完全自主、由 AI 自行指挥的网络攻击不太可能成为主导性威胁。近期由国家支持的间谍活动表明：在有利条件下，选择性且成本高昂的“自主”如今已可以实现。但这些行动仍需要人工监督，对不可靠的反馈极其脆弱，并且依赖于宽松的身份与访问环境。
在真实的企业环境中开展有效的自主攻击行动依然复杂、昂贵且难以预测。噪声信号、环境差异、容易产生幻觉的输出、操作风险、缺乏可靠的反馈闭环以及高昂的基础设施成本，使得在未来一年内，大多数情况下，完全自主攻击在经济上难以成立。
因此，攻击者将继续利用 AI 来加速既有技术——包括侦察、冒充、访问滥用以及工作流执行——而不是彻底取代人类的决策。对防御方而言更迫切的挑战是：在面对那些通过拒绝自动化所依赖条件（例如广泛访问、干净的反馈、持久的奖励）来削弱自动化的 AI 加速攻击时，保持抵御能力。即便自动化不断推进，强有力的身份控制和数据可视性依然是最有效的防护保障。
到 2027 年，地平线上下一步是什么
- AI 驱动的系统与数据汇聚
由 AI 驱动的优化越来越依赖于 AI 代理（agents）：它们能够连接先前分别管理的身份系统与数据源。这些代理会在多个系统之间协同工作，以执行预先定义的工作流，例如代表用户或团队访问应用、身份以及数据。
当该工作流中的任何环节出现访问条件或数据敏感度的变化时，治理模型必须确保 AI 代理的权限始终保持恰当。在实践中，这意味着要在所连接的各系统之间持续验证身份上下文、访问权限以及策略一致性，而不是依赖静态、分仓式的控制。 - 数据将获得更多内置保护
人们越来越期待数据在用户、系统与环境之间流转时，能够随数据携带加密、溯源（provenance）以及访问策略。溯源可提供上下文信息：数据从哪里产生、如何被使用，以及有哪些身份或系统与其发生过交互。
尽管这可能降低泄露造成的影响，但实现不一致会带来碎片化和盲区风险。要让“自我保护”的数据在大规模场景下真正有效且可管理，需要强有力的身份上下文、标准化的元数据以及一致的策略执行。
展望 2028 与 2029：关键风险
- AI 信任的放缓削弱了安全性
如果经济压力降低了对治理与监督的投资，组织可能会被迫使用缺乏管理的模型、未记录的漂移以及合规性漏洞。尽早梳理身份（Identity）关系、数据依赖关系以及 AI 所有权，对于维持韧性至关重要。 - AI 供应商的不稳定性演变为数据与连续性风险
随着组织依赖越来越多的新兴 AI 供应商，关于公司数据存放在哪里、最终由谁来控制的问题会变得更难回答。当提示词（prompts）、训练数据、模型以及输出在企业外部进行处理或存储时，如果供应商无法再按预期运营，该数据可能就难以检索、难以进行治理，甚至难以定位。随着 AI 供应商被收购、重组或退出市场，这一挑战将进一步加剧，使企业无法轻松检索、治理，甚至定位与这些服务相关的数据。
这会在合规、安全与业务连续性方面引发连锁风险。若没有清晰的数据所有权、身份（Identity）控制以及退出（exit）规划，对新兴 AI 供应商的依赖可能会把试验变成长期的数据暴露与运营风险。未能建立可执行的数据所有权和数据治理的组织，将发现早期的 AI 试验已在不知不觉中演变为持续的数据暴露与业务连续性风险。
Netwrix 的安全研究副总裁 Dirk Schrader 表示：“威胁环境的扩大不仅是因为攻击者突然拥有了更好的工具。它也在扩张，因为身份安全（identity security）、数据安全（data security）与自动化正变得不可分割。我们的研究团队亲眼看到，错误配置和自动化工作流如何带来真实的暴露面。能够取得成效的组织，将是那些把身份与数据安全一起进行治理，并将自动化视为需要持续验证的对象，而不是盲目信任的对象。”
想更深入了解支撑本次预测的真实世界漏洞与攻击路径，请阅读 Netwrix Security Research Lab 的最新分析： Netwrix 安全研究简介.
© 2026 Netwrix Corporation。保留所有权利。本页面表达的是 Netwrix 的观点，文中信息可能会变更。Netwrix 名称、标识、产品、服务名称、口号以及所有 Netwrix 商标均归 Netwrix Corporation 或其关联公司所有。其他名称和识别标记为各被代表公司及/或其关联公司的商标并归其所有。此类公司并非本新闻稿的赞助方，也不以任何其他方式与 Netwrix 有关联。
分享到