Стоимость утечки данных в 2026 году: как ИИ меняет правила игры в кибербезопасности

IBM и Институт Понемона опубликовали ежегодный отчёт о стоимости утечек данных — и цифры рекордные. Средняя глобальная утечка обходится в $4,99 млн, а ИИ-атаки стали нормой, а не исключением.

ИИ сделал атаки дешевле и быстрее — но при этом компании, которые используют ИИ для защиты, экономят почти $2 млн на каждой утечке. Вопрос больше не в том, использовать ли искусственный интеллект в безопасности, а в том, кто первым развернёт его на поле боя.

Рекордные цифры: средняя утечка стоит почти $5 млн

IBM и Институт Понемона опубликовали ежегодный отчёт Cost of a Data Breach Report за 2026 год, и цифры обновили исторические максимумы. Средняя глобальная стоимость утечки данных выросла до $4,99 млн — плюс 12% за год.

И это не просто инфляция. Рост обусловлен тремя факторами: дороже обходится само обнаружение инцидента, растут расходы на эскалацию (привлечение экспертов, юристов, регуляторов), и увеличиваются потери бизнеса — клиенты уходят, репутация страдает.

Для американских компаний картина ещё мрачнее: средняя утечка в США обходится в $11,5 млн — больше чем вдвое от глобального показателя. Причина понятна: жёсткое регулирование, высокая стоимость труда специалистов и исключительная ценность данных, которые хранят американские корпорации.

Каждая четвёртая утечка — на ИИ

Самая тревожная тенденция отчёта: более 25% организаций, столкнувшихся с вредоносными утечками, сообщили, что за атакой стоял искусственный интеллект. Это рост на 56% по сравнению с прошлым годом.

ИИ-атаки обходятся дороже: в среднем $6,04 млн против примерно $5 млн для «обычных» утечек. Разница в миллион долларов — и она растёт.

Что стоит за понятием «ИИ-атака»?

Дипфейки (deepfake) составляют 45% всех ИИ-инцидентов. Злоумышленники создают убедительные аудио-, видеозаписи или текстовые сообщения, имитируя реальных людей. Видеозвонок, где «генеральный директор» просит срочно перевести деньги — это больше не сценарий из фантастического фильма. Это реальность, с которой столкнулись десятки компаний.

ИИ-вредоносное ПО — ещё 19%. Такие программы используют машинное обучение, чтобы обходить системы обнаружения, адаптироваться к защитным мерам и находить уязвимости в реальном времени. Традиционные антивирусы, работающие по сигнатурам, против них практически бесполезны — вредонос каждый раз выглядит по-новому.

Здравоохранение по-прежнему на первом месте, но финтех поджимает

Здравоохранение удерживает лидерство по стоимости утечек уже 13 лет подряд — $6,64 млн в среднем. Правда, показатель снизился на 10,5% по сравнению с прошлым годом, что можно объяснить частичным улучшением практик безопасности в отрасли.

Финансовый сектор вышел на второе место с $6,29 млн (рост с $5,56 млн), а энергетика замыкает тройку с $5,24 млн.

При этом критическая инфраструктура в целом приняла на себя 62% всех ИИ-атак. Финансовый сектор и энергетика здесь в наибольшей зоне риска — и это логично: именно там находятся наиболее ценные и чувствительные данные.

Время реагирования растёт — и это плохо

Среднее время обнаружения и устранения утечки выросло до 247 дней. Это откат пятилетней тенденции к сокращению. То есть ситуация не просто не улучшается — она ухудшается.

Для понимания масштаба проблемы: утечки, которые не удалось ликвидировать за 200 дней, обходятся примерно на $1,33 млн дороже, чем те, что решены быстрее. Каждый день промедления — это реальные деньги.

Почему рост? Одно из объяснений — атаки сами стали сложнее благодаря ИИ, а значит, обнаружить их сложнее. Другое — объём данных и систем растёт быстрее, чем штаты специалистов по безопасности.

ИИ в обороне: экономия $1,93 млн на каждой утечке

Отчёт фиксирует и позитивную сторону: компании, которые активно используют ИИ и автоматизацию в своих системах безопасности, тратят на утечку в среднем $4 млн. Те, кто ИИ не использует — $5,93 млн.

Экономия: $1,93 млн на инцидент. Цифра впечатляющая, и она растёт из года в год.

Но есть проблема: только 18% организаций применяют ИИ-агенты для управления уязвимостями. Большинство используют ИИ для threat hunting (охоты за угрозами) и автоматического реагирования. А ведь атакующие уже давно используют ИИ для быстрого поиска уязвимостей — и защитники пока не развернули свои инструменты на том же направлении.

Это классическая ситуация: меч отстаёт от щита (или наоборот — щит от меча).

ИИ-системы сами становятся мишенью

Каждая пятая организация сообщила об инциденте безопасности, связанном с ИИ-моделями или приложениями. Год назад таких было одна из восьми.

Вот что показывает детальный анализ:

• 92% организаций не имели надлежащих средств контроля доступа к своим ИИ-моделям. Это пугающая цифра: модели, обученные на чувствительных данных, оказываются беззащитными.
• Теневой ИИ (shadow AI) — использование сотрудниками неутверждённых ИИ-инструментов — удвоился до 43%. Люди используют ChatGPT, Claude и другие модели в рабочих процессах без ведома ИБ-отдела.
• Примерно каждый пятый инцидент с теневым ИИ привёл к регуляторному штрафу.

Особняком стоят атаки инверсии моделей (model inversion) — когда злоумышленники извлекают обучающие данные из модели. Это самые дорогие ИИ-специфичные инциденты: средний ущерб составил $6,07 млн.

Знание о возможностях ИИ мотивирует лучше, чем собственный инцидент

В дополнительном исследовании, проведённом в мае 2026 года (после анонса Anthropic Claude Mythos Preview), авторы отчёта вернулись к пострадавшим организациям. Среди тех, кто знал о возможностях новых фронтирных моделей ИИ, 85% заявили, что увеличат расходы на безопасность.

Для сравнения: среди тех, кто пережил собственную утечку, увеличить расходы готовы только 64%.

Вывод неожиданный: осведомлённость о том, что способен делать современный ИИ, мотивирует на инвестиции в безопасность сильнее, чем собственный горький опыт. Знание страшнее шрама.

Что делать разработчикам: пять выводов из отчёта

Автор оригинальной статьи — бэкенд-инженер — справедливо отмечает, что эти цифры касаются не только ИБ-отделов, но и каждого, кто пишет код.

1. Патчить нужно быстрее. ИИ сокращает окно между обнаружением уязвимости и её эксплуатацией. Традиционные циклы обновлений по неделям — это уже непозволительная роскошь. DevSecOps оказался фактором с наибольшей отдачей от инвестиций в снижение стоимости утечек ($253 805 средняя экономия).

2. Защищайте ИИ-пайплайны. Если в вашем стеке используются ИИ-модели, применяйте к ним тот же контроль доступа, что и к любой критической системе: ролевая модель, многофакторная аутентификация, политики управления.

3. Следите за теневым ИИ. Неутверждённое использование ИИ удвоилось за год и участвует в 43% инцидентов. Нужна политика — и, что не менее важно, доступные одобренные альтернативы. Запрет без альтернативы не работает.

4. Дипфейки — это бизнес-проблема. Протоколы верификации для запросов с высокой стоимостью (финансовые переводы, доступ к системам) не должны основываться только на аудио или видео. Обратный звонок на известный номер способен остановить дипфейк-атаку.

5. Экономика на стороне атакующих. ИИ делает атаки дешевле и быстрее. Оборона должна быть проактивной, а не реактивной. Организации, уже использующие ИИ в безопасности, экономят почти $2 млн на каждой утечке.

Вместо выводов

Отчёт IBM и Института Понемона за 2026 год фиксирует переломный момент: ИИ перестал быть экзотикой в арсенале хакеров и стал стандартным инструментом. Каждая четвёртая атака — с участием искусственного интеллекта, и доля будет только расти.

При этом ИИ — это и лучшее лекарство от тех болезней, которые он же порождает. Компании, инвестирующие в ИИ-решения для безопасности, получают ощутимое конкурентное преимущество. Те, кто этого не делает, рискуют попасть в статистику следующего отчёта — с ещё более впечатляющими цифрами.

Полный отчёт доступен на сайте IBM.