文章总结： 文章指出AI数据中心建设速度超过安全建设，面临模型泄露、GPU算力滥用、服务接口攻击及供应链风险等新威胁。企业需建立覆盖数据、模型、算力和应用的全生命周期安全防护体系，包括加强访问控制、身份认证和持续监测，以同步推进AI建设与安全治理。 综合评分： 73 文章分类： AI安全,云安全,数据安全,供应链安全,安全建设

【安全圈】AI 数据中心建设提速，安全却在“掉队”：新的攻击目标正在形成

安全圈

2026年7月17日 19:00 江苏

在小说阅读器读本章

去阅读

关键词

AI安全、数据中心、GPU、模型安全、供应链安全

导语

随着大模型应用快速发展，全球 AI 数据中心进入建设高峰。从算力基础设施到模型训练平台，越来越多企业加快布局 AI 业务。

然而，业内专家指出，AI 数据中心建设速度正在超过安全建设速度。在算力不断提升的同时，新的安全风险也随之出现。

AI 数据中心面临哪些新风险？

与传统数据中心相比，AI 数据中心不仅要保护服务器和数据，还需要保护模型、训练数据以及 GPU 算力等核心资产。

主要风险包括：

• AI 模型和训练数据泄露；
• GPU 算力被非法占用；
• AI 服务接口遭受攻击；
• 模型供应链存在安全风险；
• 身份认证和权限管理不足。

对于企业而言，一旦模型或训练数据泄露，不仅可能造成经济损失，还可能影响核心竞争力。

AI 安全已成为新的关注重点

近年来，针对 AI 的攻击方式不断出现，例如训练数据投毒、模型窃取、提示词注入（Prompt Injection）等。

随着 AI 在金融、制造、医疗等行业的深入应用，攻击者的目标也正在从传统 IT 系统扩展到 AI 基础设施和模型资产。

未来，AI 数据中心不仅要关注网络安全，还需要建立覆盖数据、模型、算力和应用的全生命周期安全防护体系。

企业如何做好 AI 安全防护？

建议企业重点关注以下几个方面：

• 建立 AI 资产清单，掌握模型和算力资源；
• 加强 GPU 节点访问控制，避免算力滥用；
• 强化身份认证和权限管理；
• 做好模型供应链安全管理；
• 持续开展安全监测和风险评估。

编辑点评

AI 正在成为企业数字化转型的重要引擎，但安全不能成为发展的短板。

未来，企业需要保护的不仅是服务器和数据，更包括模型、算法和算力等新型数字资产。只有同步推进 AI 建设与安全治理，才能真正释放人工智能的价值。

END

阅读推荐

【安全圈】印度核电站机密文件在暗网被叫卖

【安全圈】SonicWall爆出两个零日漏洞，黑客已在利用

【安全圈】82%的恶意攻击，还是从你的邮箱进来

【安全圈】日本最大出租车公司被黑客撂倒

安全圈

←扫码关注我们

网罗圈内热点 专注网络安全

实时资讯一手掌握！

好看你就分享 有用就点个赞

支持「安全圈」就点个三连吧！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：安全圈 《【安全圈】AI 数据中心建设提速，安全却在“掉队”：新的攻击目标正在形成》