2026 制造业数据威胁报告：AI 成为新的内部威胁

THALES
THALES

IMPERVA

2026年10月21日 12:43
上海

去阅读

THALES 2026 DATA THREAT REPORT · MANUFACTURING EDITION

2026 制造业数据威胁报告解读

AI 成为新的内部威胁，数据控制能力成为制造业安全主线

当 AI Agent 开始直接检索数据、持有权限并执行任务，制造业的安全重心正从“单点攻击防御”转向“持续的数据控制与密码治理”。

417 位

制造业与汽车业 IT／安全专业人士

20 个

国家／地区

451 Research by S&P Global

2021–2026 连续年度定制调研

制造业对停机容忍度低、高价值知识产权密集，且 IT 与 OT、IoT 与传统工业控制系统深度融合，原本隔离车间的“空气间隙”正在消失。本报告基于真实年度调研，揭示制造业数据安全的四个结构性变化与一组值得警惕的数字——AI 投入在涨，而最基础的数据可见性与加密覆盖却在走弱。

42%

云中敏感数据平均加密比例

据此估计平均约 58% 仍未加密

31%

完全掌握数据存储位置

仅 37% 能对全部数据完成分类

83%

因 AI 担忧投入专项安全工具

仅 29% 设有独立 AI 安全预算

核心结论

四个结构性变化，正在重写制造业安全议程

AI · 安全重心前移

AI Agent 直接检索数据、持有权限并执行任务，持续扩大数据访问面。

数据 · 保护基础出现缺口

位置、分类与加密覆盖不足，敏感数据仍处于暴露状态。

运营 · 复杂性削弱效果

工具与密钥系统不断增加，统一可见性与使用信心却不足。

未来 · 主权与量子并行

数据可控、可迁移与密码敏捷性进入长期规划。

业务连接越多，数据保护越要同步

连接扩大了数据流动范围，也扩大了保护责任。制造业最需要关注三类业务后果：生产中断 · 核心机密外泄 · 客户与交付受影响。

工厂连接

IT、OT 与设备系统的数据交互增加

供应链连接

供应商、外包与合作伙伴需要业务访问

平台连接

云、SaaS、业务应用与 API 共同处理数据

AI 连接

知识库与智能助手扩大数据检索与使用

报告中的关键数字

投入在涨，但数据可见性与加密覆盖在走弱

一、数据可见性与保护基础正在走弱

31%

完全掌握组织数据存储位置（2025 年为 34%）。仅 37% 能对全部数据完成分类。

42% / 58%

云中敏感数据平均仅加密 42%，约 58% 仍未加密；较 2025 年 57% 下降 15 个百分点，也低于全行业 47%。

最容易遗漏的副本：测试环境、旧备份、共享目录、项目临时文件、外包交换区。仅 8% 的制造企业对云中 75%–100% 的敏感数据做了加密（全行业为 14%）。

二、合法凭据成为主要攻击面

57%

报告云管理环境的凭据盗窃／Secrets 滥用攻击增加（凭据盗窃是云基础设施上升最快的攻击手法）。

50%

将 Secrets 管理列为应用安全首要关注之一；半数企业把身份与访问管理（IAM）列入最紧迫三大学科。

重点核查四类身份：供应商账号 · 数据库账号 · 服务账号 · API 密钥／Token。一个供应商或应用账号被盗后能访问哪些核心数据、异常查询或大量导出由谁发现，是最现实的问题。

三、AI：投入快速上升，新风险同步到来

83%

因 AI 担忧投入了专项安全工具或服务

59%

报告敏感信息披露类 AI／LLM 攻击增加（居首）

67%

担忧 AI 生态变化过快，为最高 AI 安全风险

错误信息／深度伪造类攻击增长为 54%，46% 曾遭遇深度伪造或因 AI 虚假信息导致声誉损害。预算方面仅 29% 设有独立 AI 安全预算（去年 23%），55% 仍从现有安全预算中支出。AI Agent 直接检索数据、持有权限并执行任务，已成为“新的内部威胁”。

四、工具越来越多，复杂性却在削弱效果

8 个

保护与监控工具平均数量

83%

至少使用 5 个工具

42%

至少 5 套密钥管理系统

35%

才有信心说真正理解现有工具

审计失败与泄露风险高度相关：审计未通过的企业中 65% 至少发生过一次云泄露，而全部通过者仅 35%（过去 12 个月 45% 曾未通过合规审计）。近 12 个月有 16% 经历云泄露、15% 经历本地泄露；人为失误是泄露首因。

未来风险，今天就要规划

量子风险 · Harvest Now, Decrypt Later

61% 正在原型验证与评估后量子密码（PQC）算法；59% 把“现有加密数据未来被解密（先收割、后解密）”列为首要量子顾虑；在生态互操作性上 56% 落后或没有把握。

数据主权 · 智能体时代

53% 以重构应用与数据架构作为实现主权目标的主要抓手；39% 认为加密与密钥管理足以支撑数据主权。可控、可迁移与密码敏捷性进入长期议程。

从行业数据到落地能力

发现 → 保护 → 控制：一条可推进的数据安全路径

不要从单一产品开始，而要从关键数据、访问路径、运营复杂度与长期控制权出发；先确认业务问题，再确认数据与环境，最后选择保护方式。

敏感数据的位置与分类不清楚

发现、分类与风险评估

CipherTrust Data Discovery & Classification

文件、数据库或备份需要保护

按场景选择加密、令牌化或脱敏

CipherTrust 数据保护（CTE／CADP／Tokenization）

多系统、多云密钥管理分散

集中管理密钥生命周期与策略

CipherTrust Manager／CCKM 云密钥管理

数据库查询与特权账号缺少可见性

看清谁访问了哪些数据、提供审计依据

Imperva DAM 数据库活动监控

海量事件中难以识别高风险访问

分析可疑访问、确定处置优先级

Imperva DRA 数据风险分析

关键加密／签名私钥需要更强保护

保护关键私钥，建立硬件信任根

Thales Luna HSM（含 PQC 算法支持）

建议从一个关键业务开始，走通三步

① 看清数据

选定一个关键业务，建立敏感数据与暴露范围清单，含测试、备份与共享副本。

② 保护与控权

明确保护对象、访问方式与密钥责任；加密/令牌化/脱敏与集中密钥管理同步落地。

③ 监控与证明

监控特权与服务账号、识别高风险访问，用统一可见性支撑审计与合规证明。

THALES 对应解决方案

CipherTrust 数据安全平台

统一的数据发现与分类、加密／令牌化／脱敏，以及 CipherTrust Manager 与 CCKM 跨本地、云、SaaS 的集中密钥管理，在多工厂、多平台环境中提供一致策略与集团级可见性。

Imperva DAM + DRA 数据访问安全

数据库活动监控（DAM）看清谁在何时访问了哪些数据、留存审计依据；数据风险分析（DRA）从海量事件中识别高风险与异常访问并排出处置优先级，可纳入统一数据安全平台管理。

您可以与我们各区域的销售团队联系，以获取更多支持。
我们将竭诚为您提供帮助，期待为您解答任何疑问。