随着我们展望2026年,网络安全格局正接近关键阶段,新技术、不断变化的威胁行为者和全球动态的改变,使企业面临前所未有的压力。我们不能再假设是否会被攻破,而必须考虑何时会发生以及如何应对。以下是六个预测,每个预测都包含安全高管应牢记的要点。
智能体AI将成为攻防新前沿
2026年,我们不再将AI仅视为工具,而是将其视为一个独立的战场。攻击者和防御者都将越来越多地使用自主(智能体)AI系统,这些系统在极少或无人类控制下运行。攻击者将使用这些AI系统进行探索、适应和利用,而防御者将利用它们监控、检测和遏制威胁。这意味着攻击者将使用AI机器人进行侦察、横向移动和窃取数据,其速度比人类操作的响应更快。企业需要从将AI视为增强工具转向将其视为架构,这涉及在每个智能体系统中融入防护机制、溯源性和问责制。新的焦点是监控智能体的选择,而不仅仅是我们指示它们做的事情。
量子计算威胁临近
量子计算长期以来一直是地平线上的威胁。2026年,我们到达转折点:"现在收获,稍后解密"攻击的时间窗口变短,转向后量子密码学变得更加重要。关键信号包括:今天被盗的私人信息可能被保存用于明天的量子解码。真正的风险将开始出现在RSA和ECC等旧加密方法中。没有跟踪其加密足迹的企业面临风险。这一转变不是选择;监管机构、保险公司和敌对国家将推动企业采用量子抗性标准。
深度伪造和身份欺骗威胁升级
深度伪造、合成媒体和身份欺骗正在上升。真实与虚假之间的界限越来越难以识别。2026年,黑客将使用极其逼真的虚假音频、视频和身份构造作为武器,标准检测无法发现。商业邮件攻击(BEC)将因看似来自高管或服务提供商的音频和视频对话而恶化。生物识别和身份验证系统将容易受到使用制造身份或复制生物识别的欺骗。人们将失去对"眼见为实"原则的信任。
物联网和边缘计算扩大攻击面
每个连接的对象都可能成为入口点。2026年,随着边缘计算、5G/6G部署和物联网设备变得更加普遍,我们将见证来自最薄弱嵌入式设备而非主数据中心的大规模攻击。现在,由于企业使用的多种设备,危险更高。无法轻松升级固件或带有弱默认密码的设备将成为容易的目标。制造和物流中心等边缘计算集群可能是传统的"横向枢纽区域"。
网络犯罪发展为企业级业务
威胁行为者经济不断壮大。预计2026年的网络犯罪活动更像业务部门而非帮派,它们将组织良好、面向服务且全球化。勒索软件和勒索发展成整个生态系统,包括附属模式、订阅服务和加密洗钱。外包、企业识别、营销甚至"受害者客户支持"变得常规化。民族国家、犯罪分子和混合行为者混合:代理操作、合理否认和混合动机。
网络安全成为战略支柱
2026年,成功的企业将把网络安全视为整个业务的战略支柱,而不仅仅是IT成本中心。许多问题(AI威胁载体、量子风险和合成身份)需要业务层面的协调、董事会参与和文化转变。高管需要使CISO成为战略业务合作伙伴。头衔可能会改变,但工作范围将扩大。
结语
2026年不仅仅是2025年的延续,而是一个明显的拐点。AI、量子计算和物联网等新技术,以及新的对手业务模式和组织范式,正在汇聚以升级风险。对于防御者来说,现在是行动的时候。问题不再是是否行动,而是何时以及多有效地行动。未来的网络安全更少关注墙壁,更多关注运动、检测、适应和信任。进入2026年,让我们不仅构建防御,还要建立有弹性的安全企业,在复杂性中茁壮成长,而不仅仅是生存。
Q&A
Q1:智能体AI在网络安全中会如何改变攻防格局?
A:智能体AI将成为独立战场,攻击者使用AI机器人进行自主侦察、横向移动和数据窃取,速度超过人类响应。防御者则利用AI系统监控、检测和遏制威胁。这要求企业将AI从工具升级为架构,在每个智能体系统中融入防护机制、溯源性和问责制,重点监控智能体的自主选择行为。
Q2:量子计算对现有加密技术有什么威胁?
A:2026年将是量子威胁的转折点,"现在收获,稍后解密"攻击时间窗口缩短。RSA和ECC等传统加密方法面临真正风险,今天被盗的加密信息可能被保存用于未来的量子解码。企业必须进行"加密清单"审计,采用后量子算法和混合加密解决方案,确保密钥删除和归档过程的安全性。
Q3:深度伪造技术会给企业带来哪些新的安全挑战?
A:深度伪造将使商业邮件攻击(BEC)恶化,黑客可创造极其逼真的高管或服务提供商音频视频。生物识别系统容易受到合成身份欺骗,"眼见为实"原则失效。企业需要采用持续身份认证、语音视频异常检测,培训员工识别"合成现实主义",并考虑虚假合成模仿的法律和保险影响。
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。