根据Netskope最新研究 ，生成式A识企业向生成式AI（GenAI）应用共享的正战数据量呈现爆炸式增长  ，一年内激增30倍 。工转目前平均每家企业每月向AI工具传输的无意威胁数据量已达7.7GB，较一年前的内鬼250MB实现跨越式增长 。

这些数据包含源代码、企业受监管数据 、安全密码密钥和知识产权等敏感信息，新挑大幅增加了数据泄露、生成式A识合规违规和知识产权盗窃的正战风险。75%的工转企业用户正在使用具备生成式AI功能的应用 ，高防服务器这给安全团队带来了新挑战 ：无意识的无意威胁内鬼威胁 。

数据显示，90%的企业企业有员工直接使用ChatGPT 、Google Gemini和GitHub Copilot等生成式AI应用 ，安全98%的企业员工使用Gladly 、Insider等集成AI功能的应用程序。从数据安全视角看，最关键的风险指标是传输至AI应用的数据量——每次上传都可能成为数据泄露的建站模板导火索。

Netskope首席信息安全官James Robinson指出："尽管企业努力推广官方管理的AI工具，但我们的研究表明，影子IT已演变为影子AI——近四分之三用户仍通过个人账户访问生成式AI应用。这种趋势与共享数据的敏感性相结合，凸显了企业需要增强数据安全能力 ，以重新获得对AI使用的治理权、可见性和使用规范 。"

多数组织对间接使用生成式AI时的数据处理 、存储和利用方式缺乏完整可见性。常见做法是香港云服务器采取"先阻断后审查"策略，仅允许特定应用而屏蔽其他所有AI工具 。但安全管理者需要制定安全启用策略，平衡员工对效率提升的需求与风险管控。

典型案例是DeepSeek AI——Netskope发现该应用在2025年1月上线后数周内
，就有91%的企业出现访问尝试。当时大多数企业尚未制定相关安全政策 ，使企业暴露于未知风险。更严重的是，员工可能在不知情的情况下向AI输入商业机密，源码库包括源代码、知识产权
、受监管数据甚至密码等敏感信息 。

Netskope威胁实验室总监Ray Canzanese强调 ："生成式AI已从边缘技术发展为无处不在的基础设施 ，从独立应用到后端集成日益普及。这种泛在化带来持续升级的网络安全挑战，要求企业采取全面风险管理措施，否则敏感数据可能被第三方用于训练新AI模型 ，引发更广泛的数据泄露风险 。"

过去一年，企业本地部署生成式AI基础设施的比例从不足1%飙升至54%
。虽然这降低了云端第三方应用的模板下载数据暴露风险 ，但本地化部署带来了供应链风险、数据泄漏、输出处理不当等新型威胁 ，以及提示词注入、越狱攻击和元提示提取等特有风险 。因此许多企业在已有云端AI应用基础上 ，叠加部署了本地化AI基础设施。

虽然多数企业已使用生成式AI，但主动使用独立AI应用的用户比例虽小却持续增长。过去一年企业内使用AI应用的人数几乎翻倍
，平均每家企业4.9%的员工使用生成式AI应用 。

企业AI应用采用模式延续了云服务的免费模板典型路径：员工通过个人账户使用应用  。这导致企业内大部分AI使用可归类为影子IT（指未经IT部门批准使用的解决方案） 。专为AI解决方案创造的"影子AI"新术语，更强调这些应用的隐蔽性和非正式性。即使在ChatGPT引发AI热潮两年后的今天 ，72%的用户仍通过个人账户在工作场所使用ChatGPT、Google Gemini等主流AI应用。

Netskope安全与情报运营副总裁Ari Giguere表示："AI不仅重塑边界安全和平台安全，更在重写安全规则。"

目前99%的企业正在实施风险管控政策，包括全面禁用AI应用、限制特定用户群体使用，以及控制输入AI的数据类型等措施。这些政策的具体实施方式将在后续详细解析。