摘要:
提到网络安全,你第一印象是什么?防火墙、加密还是防病毒软件?又或是黑客在暗网里敲击代码的剪影?安永(EY)刚刚发布的《2026全球网络安全领导力洞察研究》给出了一个不太一样的答案:最大的风险不在外部,而在企业内部,即那些你根本不知道存在的资产。研究团队调研了全球128个国家、840位年营收超10亿美元企业的C-suite高管和网络安全负责人,盘点了475种资产类型。结果令人不安:36%的组织资产,落入了"脆弱区",无论是可见性还是防护覆盖都双双低于平均水平。更扎心的是,70%的网络安全领导者承认,他们最大的风险就藏在这些盲区里。但他们不知道盲区具体在哪里,也不知道里面有什么。这不是技术问题,是认知问题。当企业忙着追逐AI、上云、数字化转型,却连"自己到底有多少扇门"都数不清,安全就成了碰运气。
在看不见且管不住的部分中,OT与实体资产以57%的比例位居榜首。OT是什么?简单来说,就是工厂里的机床、发电厂的控制系统、写字楼的空调和门禁等等这些"物理世界"的设备。它们的安全问题有三个特点:首先,年头久,很多设备还是十几年前安装的,运行的系统早已停止更新。其次是难维护,一旦升级就可能停产,企业宁可带病运行也不敢动。最后是权属乱,设备归业务部门管,安全团队连介入的资格都没有。意大利能源巨头Eni的全球网络安全负责人Luigi Guaragna坦言:"OT环境归业务所有,我们的角色是定框架、做评估,而不是直接控制。"
生态系统与第三方以49%紧随其后。现代企业的运转离不开供应商:软件要外包,物流要对接,客服要外包,连发工资都可能用第三方系统。这些合作伙伴需要长期访问你的内部系统,权限一旦给了就很难收回。攻击者心知肚明的是,与其强攻防守严密的大企业,不如先黑掉它防守薄弱的供应商,再顺着授权的通道长驱直入。47%的组织连最基本的网络隔离都没做好,等于把所有房间的门都开在一条走廊上。
AI系统与工具以47%的比例排在第三,这是今年新增的"重灾区"。问题出在两个层面:一是"影子AI",员工为了提高效率,私自把公司数据喂给各种AI工具,数据流向无人知晓;二是智能体AI的爆发,这些AI会自己创建账号、申请权限、调用其他系统,以机器速度运转。59%的组织缺乏全面的资产遥测,连自己的AI在干什么都追不上,更别说管了。
第二梯队:传统但关键
网络基础设施以38%的比例落入脆弱区。VPN网关、防火墙、路由器等等这些本该是"守门人"的边界设备,如今正成为国家背景黑客的首选突破口。原因很讽刺:这些设备往往运行在定制的固件上,补丁周期以"年"计算,而攻击者已经在用AI以"秒"为单位扫描它们的漏洞。
第三梯队:相对安全
数据资产24%,云资产21%,非AI数字资产21%。规律很明显:上云、用AI、接供应链,攻击面正在从"内部可控"转向"外部失控"。
基本功的溃败:47%没隔离,59%没台账
只有43%的受访者使用自动化方法识别和盘点资产,只有45%确信自己的资产台账是完整且最新的。这意味着什么?
攻击者已经用AI在数秒内定位漏洞,防御者还在用Excel人工登记;攻击者以29分钟完成从入侵到横向移动(《CrowdStrike 2026全球威胁报告》),防御者连"被入侵的是哪台机器"都要查半天。速度差,就是生死线。
突围者:Secure Creators做对了什么?
他们的数据明显更好:资产落入脆弱区的比例只有30%,而落后企业为42%;对配置管理数据库的满意度高达85%,而落后企业只有45%;网络映射能力自评高分67%,而落后企业为59%。
他们的共同点,不是买了更贵的防火墙,而是认知和机制的升级。
第一,从"保护皇冠明珠"到"看清整个王国"。 传统安全思路是"重点保护",把资源集中在最有价值的资产上。但Secure Creators意识到,攻击者不再强攻正门,而是在边界地带找到漏洞,串联攻击,直取核心。所以他们追求全攻击面的可见性,哪怕是最不起眼的边缘设备。
第二,自动化资产发现。不再依赖人工盘点,而是部署自动化工具实时发现资产。Eni的做法是"强中心+分布式":总部统一制定政策,全球60多个国家的本地团队按固定周期提供标准化的资产数据,汇入中央配置管理数据库,用统一的标准判断什么最重要、什么必须先修。
第三,身份与依赖关系映射。不仅知道"有什么",还知道"资产之间怎么连、谁能访问谁"。
第四,把安全嵌入AI开发生命周期。安永美洲咨询网络风险主管Ganesh Devarajan指出:"领先的网络安全团队,需要把他们在保障软件开发安全中学到的经验,运用到AI智能体开发的生命周期中。"就像当年管软件一样管AI智能体。
脆弱区的分布因行业而异,差距惊人。
风险最高的是采矿与金属行业,67%的资产在脆弱区。矿场大多位于偏远地区,工业控制系统几十年不更新是常态;更麻烦的是,矿山自动化程度越来越高,无人矿车、远程钻探、智能选矿全都联网了,但安全意识还停留在"物理隔离"的旧时代。
基础设施行业64%紧随其后。交通信号灯、水处理厂、桥梁传感器等等,这些关系到公共安全的基础设施,却往往由预算紧张的市政部门运营。一套设备用二十年是常态,安全投入永远排在"能正常运转"之后。
油气与化工行业57%。这个行业的问题是"新旧混杂":勘探和生产环节用最先进的技术,但炼化和运输环节的设备可能还是上世纪的产物。Eni这样的巨头尚有资源投入安全,中小型油气企业只能听天由命。
再看另一端:政府与公共部门11%,银行与资本市场11%,航空航天与国防仅7%。
规律一目了然:强监管行业更安全。银行要接受银保监会的检查,军工要过保密审查,政府有等保合规。监管可以逼着他们把安全做到位。但反过来说,那些"自由生长"的重工业,正在为多年的安全欠账买单。
一个耐人寻味的细节:航空航天与国防行业整体只有7%的资产在脆弱区,但其供应链风险正在上升,因为分包商和供应商往往监管宽松,成了最薄弱的一环。
第一步,自动化资产发现。停止人工登记,部署自动化工具实时盘点资产。具体做法是:在网络层面部署探针,自动识别所有接入设备;在应用层面扫描API调用,发现影子IT;在身份层面监控账号创建,目标是让"有什么"成为实时数据,而不是季度报告。
第二步,补齐覆盖缺口。针对OT、第三方、AI系统这三类最脆弱的资产,优先建立管控。OT资产可以从"旁路监测"做起,不影响生产的前提下看清风险;第三方要重新梳理权限,遵循最小必要原则;AI系统需要建立审批和审计机制,对影子AI的管理要有更进一步的筛查和确立。
第三步,保卫"最小可行企业"(MVE)。回答一个问题:如果明天系统被攻破,哪些业务必须活下来?支付系统、核心数据库、关键生产线等等,这些底线资产要有最高级别的防护,比如离线备份、物理隔离、人工兜底方案。即使其他部分全被击穿,企业还能运转。
第四步,用AI反制AI。 部署AI辅助的安全运营,把人工从重复劳动中解放出来。AI可以7×24小时监测异常流量,自动分析日志,甚至预判攻击路径。安全团队的角色从"操作工"变成"指挥官",一个人带一群AI干活。
第五步,身份中心的第三方风险管理。在AI时代,"身份"的概念正在扩展,即大多数"用户"可能不是人,而是机器。每一个第三方账号、每一个API密钥、每一个智能体身份,都要当作独立实体来管理:最小权限、定期审查、自动回收。
第六步,优先保护边界设备。VPN、防火墙、路由器是攻击者的首选目标。立即做三件事:盘点所有边界设备的型号和固件版本;订阅厂商的安全通告,第一时间打补丁;部署入侵检测,异常流量立即告警。别让"守门人"变成"开门人"。
调研覆盖840位C-suite及网络安全负责人、17个行业、128个国家,受访者均来自年营收10亿美元以上的组织,2026年3月实施。

地 址:北京市海淀区世纪金源商务中心 607室
13810321968(微信同号)