Zscaler报告：企业AI流量激增，影子AI引发数据泄露风险

随着企业竞相部署最新AI模型，技术栈迅速扩张，涵盖开发者工具、AI智能体（Agents）及嵌入现有应用的AI功能。云原生网络安全平台Zscaler发布的《ThreatLabz 2026 AI安全报告》揭示了这一趋势背后的严峻风险。

该报告分析了2025年约9,000家组织产生的近万亿次AI和机器学习（ML）交易。数据显示，平台上的AI/ML交易量同比增长83%，产生此类流量的应用数量几乎翻两番，超过3,400个。

对首席信息安全官（CISO）而言，挑战在于AI常在非监控区域或未被视为AI使用的场景中，与企业敏感数据交互。许多采用行为游离于传统采购或安全审查流程之外，导致组织AI足迹模糊不清。若缺乏清晰度，安全团队只能在“盲区”中试图保护无法完全看清的技术栈。

新一代AI通过多种渠道进入企业生态系统。除了经批准的平台和员工使用的协作者（Copilots），AI足迹还通过内置于现有软件的AI功能、连接敏感内部系统的API以及自主处理任务的智能体隐蔽扩张。

Salesforce《智能体企业指数》显示，2025年2月至2026年4月期间，在生产环境中拥有智能体的客户，其AI智能体劳动力规模翻倍以上，表明AI在原本由人类主导的任务中被广泛采用。

Zscaler报告指出，2025年传输至AI/ML应用的数据激增93%。仅ChatGPT就记录了4.1亿次数据丢失防护（DLP）策略违规，涉及社会安全号码、源代码和医疗记录等敏感信息。

风险增长并非仅源于新软件采用。现有应用程序推出的AI驱动功能，常被员工视为已批准工具的自然延伸而直接使用，未经过单独审查。此外，“影子AI”现象普遍，员工为简化工作添加未经批准的AI工具，却未意识到数据处理风险，导致企业中涌现出大量库存清单无法覆盖的失控工具。

安全团队擅长保护已知存在于技术栈中的内容，但某些工具可能绕过审批或监控协议。这些工具往往运行在安全程序最初建立时未纳入跟踪的类别之外，如浏览器扩展或已用应用中自动激活的功能。

Gartner对302位网络安全领导者的调查显示，69%的人表示，其组织怀疑或有证据表明员工正在使用被禁止的公共生成式AI。传统围绕正式安装或采购软件构建的应用程序清单，从设计上便无法涵盖此类活动。

让影子AI浮出水面，需全面了解使用者、连接的应用系统及可访问数据。由于AI功能越来越多地存在于已批准工具内部，这种暴露并非独立风险，而是隐藏在既有系统中的深层隐患。

仅清点工具无法解决全部问题，关键在于追踪流经其中的信息。提示词（Prompts）可能包含专有代码或客户详情，看似无害的文件上传也可能泄露整个文档。

智能体增加了复杂性，其触及的数据往往延伸至背后应用程序和权限之外。仅靠以工具为中心的清单，无法捕捉AI是否从客户数据库读取数据、写入共享驱动器或分发至下游服务。有效发现的基准是同时追踪数据流、权限及工具本身，因为真正的风险在于AI的访问和移动能力，而非其存在本身。

AI可见性赋能更优决策。一旦掌握扎实的使用情况，安全团队即可区分低风险活动与需严格审查的场景，避免对所有AI交互应用“一刀切”。例如，营销团队使用经批准的写作助手与访问财务记录的智能体，应遵循截然不同的规则。

安全控制应取决于用户、应用程序、数据敏感性、权限级别及使用场景。总体而言，简单阻止AI往往促使使用行为转入地下，适度控制则在保持监督的同时允许合法用例。

这正是AI可见性与零信任原则的结合点：持续验证，基于上下文授予访问权限，永不默认信任。

治理政策的有效性依赖于可见性。若无对企业中真正存在的工具、应用和智能体的清晰、最新视图，严格规则难以执行。鉴于新AI功能不断涌现且智能体角色日益自主，AI发现必须是一个持续过程，而非一次性审计。

基于Zscaler的发现，组织唯有实现清晰可见性——看清AI如何使用、谁在访问、数据如何流动——才能将快速增长且模糊的AI足迹，转化为安全团队可自信管理的对象。