IBM-studie placerer AI inden for en af fire ondsindede datakrænkelser

En af fire ondsindede datakrænkelser involverede angribere, der brugte AI, ifølge 2026 Cost of a Data Breach Report, som IBM offentliggjorde den 29. juli 2026. Disse krænkelser kostede i gennemsnit 6 millioner dollar, omkring 1 million dollar mere end den globale gennemsnit på 4,99 millioner dollar, som IBM rapporterer for hele sin stikprøve, og andelen af ondsindede krænkelser med en AI-komponent steg med 56% i forhold til den foregående udgave.

Disse tal kommer fra en undersøgelse, og det påvirker, hvor meget vægt de bærer. Ponemon Institute udførte forskningen; IBM sponsorerer, analyserer og offentliggør den og sælger detektions-, datasikkerheds- og identitetsprodukter, som deres anbefalinger peger på. Stikprøven består af 602 organisationer, der blev krænket mellem marts 2025 og februar 2026, og ikke en folketælling af alle angreb. IBM’s globale gennemsnit er også steget over året: sidste års udgave satte det til 4,44 millioner dollar og beskrev det som den første nedgang i fem år.

Hvad de rapporterede angreb ligner

IBM siger, at deepfake-impersonation og AI-aktiveret malware står for det meste af, hvad respondenternes klassificerede som AI-aktiveret intrusion. Deres UK newsroom summary af den samme rapport opdeler kategorien yderligere: deepfake-impersonation på 45%, AI-aktiveret malware på 19% og phishing-kampagner på 17%. Denne fordeling placerer det meste af kategorien i social engineering snarere end autonom kodekørsel, og svindelhold i banker har sporet den samme mønster i AI-voice-cloning-angreb i over et år.

Sektorkoncentration er det mere betydningsfulde tal. IBM rapporterer, at 62% af de AI-drevne angreb i deres dataset rammer kritisk infrastruktur, med finansielle tjenester og energi, der bærer den tungeste del. Krænkelser hos finansielle services-firmaer kostede i gennemsnit 6,3 millioner dollar, og hos energiselskaber 5,2 millioner dollar.

AI-systemer var også mål snarere end bare værktøj. Over 20% af organisationerne rapporterede en krænkelse, der involverede en AI-model eller -applikation, op fra 13% i 2025-udgaven. De to førende årsager, som IBM identificerer, er kompromitterede API’er, applikationer eller plug-ins (27%) og cloud-misconfigurations, der påvirker AI-workloads (27%) – den infrastruktur, der omgiver en model, snarere end modellen selv, som også er, hvor Hugging Face-agent-intrusionen startede.

Kapaciteten, som undersøgelsen spørger om

En efterfølgende studie, der blev gennemført i maj 2026, gik tilbage til 456 af de oprindelige 602 organisationer og spurgte om front-modeler med avancerede cybersikkerhedsfunktioner, navngivning Mythos specifikt. Af denne gruppe sagde 78%, at de var bekendt med rapporter om sådanne systemer, og 85% sagde, at de planlagde at øge sikkerhedsudgifterne på grund af denne bekendtskab. I den primære undersøgelse sagde 64%, at en reel krænkelse ville fremkalde flere udgifter. Forventet kapacitet flytter nu budgetter hurtigere end erfaret tab.

Denne kapacitet er blevet dokumenteret i teknisk detalje. Anthropics Frontier Red Team offentliggjorde en vurdering den 7. april 2026, som rapporterede, at deres Claude Mythos Preview-model fandt og udnyttede zero-day-sårbarheder i hver større operativsystem og webbrowser, det blev rettet mod. I ét tilfælde identificerede det en 17-årig fjern-rod-flaw i FreeBSD’s NFS-server, senere katalogiseret som CVE-2026-4747, og skrev en fungerende exploit uden menneskelig indgriben efter den første prompt.

De omkostninger, teamet offentliggjorde, er den del, som forsvarerne skal læse to gange. Et tusind kørsler af deres bug-finding-scaffold mod OpenBSD kostede under 20.000 dollar, og den enkeltstående kørsel, der producerede den kritiske fund, kostede under 50 dollar. Omvandling af allerede-patchede offentlige sårbarheder til fungerende privilege-escalation-exploits kostede under 1.000 dollar og under 2.000 dollar hver, hver i en dag eller mindre. Anthropic rapporterede også, at færre end 1% af de sårbarheder, de havde fundet, var patchet på tidspunktet for offentliggørelse. Andre sikkerhedsleverandører har beskrevet den samme skift i AI fra assistant til operator på den offensive side.

Hvor sikkerhedsholdene har placeret deres agenter

IBM’s data lokaliserer eksponeringsgapet præcis, hvor den økonomi bidrager. Over halvdelen af organisationerne sagde, at de bruger agenter til trusselsdetektion og -indhold; 18% anvender dem til sårbarhedsstyring. Tre fjerdedele sagde, at front-AI-trusler får dem til at overveje, hvordan agenterne er placeret på tværs af sikkerhedsoperationer.

“Når organisationer har en forlænget periode mellem opdagelse og afhjælpning, viser den ubalance sig direkte i krænkelsesomkostninger,” sagde Suja Viswesan, VP of IBM Security Software, i rapportens bekendtgørelse. “Prioriteten nu er at eliminere den forsinkelse.”

Andre grundlag har ikke flyttet sig meget. Blandt krænkede organisationer havde 37% krypteret følsomme data både i hvile og under overførsel, og 34% havde indsigt i deres kryptografiske aktiver. Ransomware optrådte i 39% af de rapporterede incidenter, op fra 34%, med udpressningstryk, der skiftede mod virksomhedsrygte (41%) foran medarbejderdata og immaterielle rettigheder, i overensstemmelse med fragmentationen i ransomware-økonomien, som andre sporingshold dokumenterede i 2026.

Organisationer, der brugte AI og automatisering omfattende på tværs af sikkerhedsoperationer, brugte omkring 2 millioner dollar mindre per krænkelse, siger IBM, og omkring en fjerdedel af stikprøven havde ikke adopteret dem overhovedet. Begge IBM og Anthropic peger på samme vægt: komprimér tiden mellem, at en sårbarhed bliver kendt, og en løsning når produktionen. Det 18%-tal er, hvor det arbejde ligger i øjeblikket, og det er det tal, man skal holde øje med i næste års udgave.