近日，云安全联盟（CSA）发布《2026年云计算主要威胁调查报告》（Top Threats to Cloud Computing Survey Report 2026，以下简称“报告”）。报告通过对507位行业专家开展调查，最终梳理出11项最值得关注的云安全问题。
调查结果显示，当前云安全领域的关注重点已经发生转移：身份管理、AI相关风险、第三方资源和API成为当下最突出的风险来源，传统的基础设施安全问题反而退至相对次要的位置。
尤其值得注意的是，AI增强型攻击与AI系统遭入侵这两类风险，首次进入榜单前十一位，分别排在第二和第六位。这也表明，人工智能不只是云环境中需要保护的对象，同时也在改变攻击者发现漏洞、实施攻击和扩大攻击影响的方式。
一，“身份与访问管理不足”。当前云环境中的身份已不单指员工账户，还涵盖服务账户、API密钥、自动化机器人和AI智能体这类非人类身份。非人类身份的数量已经远超人类用户，且往往缺乏统一的生命周期管理；为保障自动化任务正常运行，这类身份又经常被授予过多权限。与此同时，攻击者的目标也不再仅局限于窃取密码，他们开始转向窃取有效会话令牌、劫持权限过高的自动化身份，或是利用认证流程中的漏洞。
因此，报告提出，云身份治理不能只停留在“确认该身份是谁”的层面，还要进一步明确它代表谁授权、可以执行哪些操作、权限有效期有多久。无论是人类还是非人类身份，都应当遵循最小权限原则，持续验证并定期审查权限。针对AI智能体，还需要额外补充生命周期管理、凭证轮换和持续授权验证机制。
二，“AI增强型攻击”。报告指出，攻击者正在借助AI优化钓鱼攻击、侦察活动、恶意软件开发、社会工程、漏洞发现流程，同时实现攻击全流程自动化。AI不仅降低了发起攻击的门槛，也让攻击行为更难与正常行为区分开。当前漏洞发现的速度已经提升至机器级别，人工修复进度却始终跟不上，攻击者可以在更短时间内找到并利用新的安全弱点。
这意味着，过去依靠人工分析、响应速度偏慢的防护体系，将面临更大的压力。报告强调，云安全体系需要提升对自动化攻击的识别能力，同时加强对身份、运行环境和攻击活动的持续监测。
三，“第三方资源不安全”。企业对SaaS服务、软件包、外部API、AI模型、托管服务和云市场的依赖程度不断加深，云安全早已不再是单个组织内部的问题，而是演变成了互联互通生态系统层面的问题。一旦某家第三方供应商遭遇攻击，就可能牵连大量下游组织受到影响。
因此，企业不能只排查自身系统的安全问题，还必须清晰掌握自身依赖的所有软件、服务和外部组件。报告建议，企业可通过软件成分分析建立软件物料清单，针对托管依赖建立对应的SaaSBOM，并持续更新维护第三方资源清单；开源软件、SaaS、云服务、托管服务、插件、云市场以及动态集成，都要纳入统一管理范围。此外，还要对第三方资源开展定期审查，及时处理不再需要的组件和存在已知安全问题的旧版本。
四，“接口和API不安全”。随着云原生架构、微服务和API驱动集成的普及度不断提升，API已经成为云环境中规模较大的攻击面。报告指出，认证机制薄弱、权限配置过大、API设计存在安全缺陷以及监测力度不足，仍是当前常见的问题；API密钥和令牌这类机器身份管理不当，也和大量API安全事件存在关联。
报告建议，企业首先要建立完善的API发现与清单管理机制，排查出“影子API”、已经停用但仍保持有效性的API，以及未留存文档记录的接口。针对API凭证，应当尽量采用短期凭证并配置自动轮换机制，避免长期使用固定API密钥。同时，需要在开发和上线流程中加入动态应用安全测试、模糊测试和接口规范测试，并且持续监测生产环境的变动。AI推理接口、MCP服务器以及智能体工具调用接口，也需要按照正式生产服务的安全要求，落实好认证、授权、输入验证、限流和监控工作。
五，“错误配置和变更控制不足”。多云环境、基础设施即代码、Kubernetes、无服务器功能、AI服务和自动化部署的普及度不断提升，云配置的复杂程度大幅提高，配置出错的概率也随之攀升。报告提到，错误配置仍然是引发云访问安全事件的核心原因之一，今年有29.4%的云访问安全事件都与之相关。
因此，变更控制不能再只作为普通运维工作开展，而应当纳入安全管理体系。报告明确提出，需要对云基础设施、AI工作负载、数据集和第三方集成实施严格的变更管理，同时借助独立审查、自动验证、持续监测和回滚能力，在未经审查的变动造成长期风险暴露之前及时发现问题。
六，“AI系统遭入侵”。它和“AI增强型攻击”存在本质区别：后者是攻击者借助AI发动攻击，而该类别强调的是AI系统本身成为攻击目标。报告指出，提示词注入、模型窃取、数据投毒、不安全的AI集成、智能体遭入侵，以及针对训练和推理环境的攻击，已经形成了全新的风险类别，但传统云安全控制机制并未针对这类问题做专门设计。
报告进一步提出，AI系统需要配套独立的安全控制体系，覆盖模型完整性、智能体权限、训练数据保护和AI流水线安全多个方面。针对自主AI系统，还需要建立专门的智能体治理机制，明确其权限和决策边界，同时通过运行时安全监控，检查智能体的行为是否持续符合安全要求。
七，“高级持续性威胁”。这类攻击通常持续时间长、隐蔽性强，攻击者会以特权账户和OAuth令牌为目标，实现对云环境的长期控制。2026年披露的Sapphire Sleet案例中，攻击者利用npm软件包窃取开发人员凭证，也说明开发者生态与开源软件供应链同样可能成为持续性攻击的入口。
针对这类风险，报告强调要落实最小权限原则，避免云和AI服务被未授权公开访问，做好数据与凭证保护，持续监测漏洞与错误配置，同时加强主动威胁搜寻工作。
八，“云安全战略与治理不足”。报告指出，当前各组织需要管理的云环境已经与过去有很大区别：身份主体、数据流和AI工具的规模都在快速增长，原有的治理框架可能已经跟不上实际业务的变化。
尤其值得注意的是，目前机器身份的数量已经达到人类身份的100倍。因此，云安全治理不能再仅围绕传统网络边界设计，而应当将身份、AI、数据、第三方依赖和动态变化的云环境纳入统一的治理框架当中。报告认为，面临最高安全风险的组织，不一定是边界防护能力最弱的，而是治理能力、可见性水平和变更管理体系跟不上环境复杂度变化的组织。
九，“不安全的软件开发”。开发过程中不够规范的编码实践，以及权限设置过高的自动化身份，可能导致凭证暴露，给攻击者留下入侵云控制平面的可乘之机。随着CI/CD工具普及和自动化程度提升，开发环境本身已经成为云安全防护的重要环节。
报告建议，要强化CI/CD工具安全防护，消除硬编码密钥，同时第三方代码以及AI生成、AI辅助开发的代码也需要接受安全审查。报告明确提出，应当将AI生成和AI辅助开发代码视为一类第三方输入，不能因为代码由AI生成，就降低安全审查标准。
十，“云数据意外暴露”。这类风险主要来自错误配置、未经授权的“影子 AI”使用，以及云存储等资源的公开暴露。报告提到，数据暴露不一定需要复杂的攻击技术，有时仅仅是存储资源、数据库或日志系统的配置错误，就可能引发大规模信息泄露。报告列举的相关案例包括可公开访问的AI基础设施数据库、身份验证数据以及AI聊天记录等。
针对这个问题，报告建议建立全面的数据清单和分类机制，明确敏感数据的存储位置；部署数据防泄漏工具，对静态存储和传输过程中的数据进行监测；制定云和AI工具的分级访问政策；定期开展隐私和安全审计；同时提升员工对AI使用规范和“影子AI”风险的认知。
十一，“系统漏洞”。报告将云系统漏洞定义为云基础设施、配置或设计中存在的弱点，并指出云服务栈覆盖应用、平台、基础设施和数据中心等多个层面，任意一个层面的漏洞都可能扩散至其他层面。
这类问题的常见表现包括错误配置、过期或未修补的软件、零日漏洞，以及弱密码或被盗凭证。云环境中的漏洞还可能连接到控制平面，帮助攻击者实现跨服务横向移动和访问共享资源，因此漏洞管理不能孤立开展，必须与资产清单管理、暴露面管理以及持续验证工作结合推进。
从上述11项风险可以看出，云安全防护正从单纯保护基础设施，转向管理身份、数据、代码、接口、第三方依赖和人工智能系统之间的关联。报告最后提出了几个明确方向：
一是同步强化人类与非人类身份治理，将零信任、最小权限和持续验证原则推广到服务账户和AI智能体；
二是将AI系统作为独立安全领域，围绕模型完整性、智能体权限、训练数据和AI流水线建立专门管控机制；
三是加强云基础设施、AI工作负载、数据集和第三方集成的变更控制；
四是提升态势管理、遥测、可观测性和集中策略执行能力。
报告原文下载：Top Threats to Cloud Computing 2026 - Final Draft 20260812.pdf
文章参考来源｜云安全联盟官网、互联网公开信息
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。
