近日，Cybersecurity Insiders发布《2026年统一数据安全报告》（2026 Unified Data Security Report，以下简称“报告”）。报告指出，当前企业数据安全的核心挑战已不只是“数据存在哪里”，还要考虑“数据去了哪里、变成了什么，以及安全措施能否全程跟进”。

实际调查中，45%的安全团队处理一次事件需要查询至少6个系统，16%需要查询10个以上，且各系统的日志格式、保存期限和事件信息各不相同，分析人员往往得先把日志、告警和数据流动信息手动拼接起来，才能还原出事件全貌。

碎片化直接拖累了安全团队的调查效率。目前，仅有9%的组织有能力对几乎全部敏感数据告警进行调查，56%的组织只能覆盖一半或更少。自动化水平同样不乐观，只有10%的组织具备较充分的自动化能力，47%仍处于有限或最低程度的自动化状态，大量工作依赖人工。

当工具彼此割裂、调查流程仍以人工为主时，告警积压几乎是必然结果。

数据流动之后，可见性会进一步下降。对“能够确定谁访问过某一敏感文件”有充分信心的组织仅占25%；当问题变为判断敏感数据是否进入AI工具时，这一比例降至16%；追踪文件从原始位置到当前位置的比例为14%；而要追溯AI生成内容所依据的源数据，仅有8%的组织信心较高。

报告特别提到，传统访问日志只能回答“谁打开了文件”，但若要还原AI生成内容的来源，必须将数据分类、数据血缘和策略事件等信息持续附着在数据上，才能实现全程追踪。

不同环境之间的可见性差距同样明显。电子邮件在敏感数据活动监测方面表现最好，可见性比例为36%，协作与文件共享平台为25%，SaaS业务应用为24%，终端设备为22%，云存储和IaaS为19%，私有应用和数据中心应用为15%，AI工具及AI应用最低，仅有10%。能够实时追踪敏感数据在不同应用之间流转的组织，只占7%。

报告举例，一项业务流程可能把数据从SaaS应用搬到私有应用，再送入AI助手，中间会接连跨越多个可见性边界，安全团队往往在数据尚未流转完就已经丢失了上下文。

另一个突出问题是，敏感数据一旦被修改，原有的检测手段可能就失效了。只有9%的组织能够在数据经过改动后依然可靠地识别出来，17%的组织依赖精确匹配检测，但这种方式在内容被复制、概括或重新表述后很可能派不上用场。

换句话说，文件没有以原始形式离开企业，并不代表其中的敏感内容就此止步。数据安全要关注的已不只是文件本身，还包括数据在不同应用和工作流程中被复制、修改和再次使用的情况。

AI进一步放大了这些问题。目前，98%的受访组织已在使用某种形式的AI，20%已将AI嵌入采购、客户支持、财务分析等业务关键流程，这些场景不可避免会接触到客户、财务、运营和合同等敏感数据。然而，只有7%的组织对“敏感数据未在缺乏适当检查和控制的情况下进入AI工作流”有较高信心，另有39%的组织怀疑这类情况已经发生，但因可见性不足而无法确认。

从治理角度看，AI使用虽已普遍，操作层面的安全控制却明显滞后。67%的组织制定了某种形式的AI政策，但通过内联控制实际执行相关策略的仅有14%，在AI环境中能够持续执行策略的比例更低，仅为8%。

数据安全不能再仅围绕“文件移动”来部署防护，必须进一步覆盖数据实际发生变化的各个环节。为此，报告建议将数据分类和血缘追踪能力延伸至AI工具、私有应用、云基础设施及跨应用工作流，并将控制范围扩大到提示词提交、复制粘贴和AI生成响应等操作。

对于已嵌入业务流程的AI，企业需要掌握员工具体使用了哪些AI工具和功能、哪些数据被输入、产生了什么输出，以及安全策略能否在整个流程中持续跟进。同时，针对AI智能体，须按最小权限原则分配访问权限，同时监控其API活动和被授予的权限，检查智能体访问和生成的数据，并在每次数据交接环节执行相应策略。

当AI从“辅助工具”演进为能够调用系统、访问数据并执行任务的工作主体后，安全管理也需从仅关注使用AI的人员，延伸至管理AI本身的权限和行为。

第三方数据同样带来显著的可见性挑战。供应商或合作伙伴的数据进入企业环境后，企业需要追踪其来源、后续分发，以及是否被复制、转换或再次共享。

合规取证是另一薄弱环节。仅12%的组织能快速提供完整、可审计的敏感数据保管链证据，36%需在多个系统间进行大量人工处理，10%甚至难以提供足够证据。面对个人数据请求，仅9%能迅速定位某人在不同系统中的全部数据实例，38%需大量人工介入。

此外，报告披露，27%的组织无法在72小时的数据泄露通知期限内重建完整数据路径，其中19%需要数周或更长时间，8%几乎从未掌握足够数据来完成重建。

未来12至24个月，重点投入方向依次为：提高数据流动可见性（44%）、加强策略一致执行（39%）、自动化调查和响应（37%）、强化DLP（34%）、AI治理和合规准备（32%）。同时，75%的组织对利用AI能力统一安全系统和流程表现出积极兴趣。

声明：本文来自赛博研究院，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。