Industry reports | Passwork

Latest — Aug 4, 2026

Verizon DBIR 2026: 10 Statistiken, die Ihre Sicherheitsstrategie ändern sollten

Der Verizon 2026 Data Breach Investigations Report (DBIR) analysierte mehr als 22.000 bestätigte Datenschutzverletzungen in 145 Ländern — der größte Datensatz in der 19-jährigen Geschichte des Berichts. Die zentrale Erkenntnis: Die Ausnutzung von Schwachstellen hat den Missbrauch von Anmeldedaten als häufigsten initialen Zugriffsvektor überholt, während Ransomware, Drittanbieter-Risiken und KI-gestützte Angriffe stark zunahmen.

Dies ist die 19. Ausgabe des Berichts, und die Partnerschaft mit Anthropic, Qualys, Tenable, Tenchi Security, Fastly und DTEX ermöglichte es, über das reine Zählen von Vorfällen hinauszugehen. Der DBIR 2026 misst, wie schnell Organisationen patchen, wie lange Anbieter Multi-Faktor-Authentifizierung (MFA) deaktiviert lassen und wie Bedrohungsakteure generative KI (GenAI) in laufenden Kampagnen operationalisieren.

Die folgenden zehn Zahlen sind diejenigen, auf denen die Sicherheits-Roadmap für das nächste Jahr aufbauen sollte.

Zentrale Datenpunkte aus dem DBIR 2026

Die Ausnutzung von Schwachstellen überholte den Missbrauch von Anmeldedaten als häufigsten initialen Zugriffsvektor und stieg von 20 % auf 31 % der Datenschutzverletzungen im Jahresvergleich — ein Anstieg von 55 %.
Der Missbrauch von Anmeldedaten taucht weiterhin in 39 % aller Datenschutzverletzungen auf und bleibt der häufigste Engpass in Angriffsmustern, auch wenn seine Rolle als erster Einstiegspunkt zurückging.
Ransomware war an 48 % aller Datenschutzverletzungen beteiligt, doch 69 % der Opfer weigerten sich zu zahlen, wodurch die mediane Zahlung auf 139.875 USD sank.
Die Beteiligung von Drittanbietern an Datenschutzverletzungen stieg innerhalb eines Jahres um 60 % auf 48 % aller Vorfälle, nachdem sie sich im Vorjahr bereits verdoppelt hatte.
Organisationen beheben vollständig nur 26 % der bekannten ausgenutzten Schwachstellen im Jahr 2025, gegenüber 38 % im Vorjahr.
Selbst leistungsstarke Organisationen patchen höchstens 30–40 % der bekannten ausgenutzten Schwachstellen innerhalb der ersten Woche — eine Obergrenze, die sich in drei Jahren kaum verändert hat.
Bedrohungsakteure nutzten generative KI über einen Median von 15 verschiedenen MITRE ATT&CK-Techniken, wobei Extremfälle 40–50 Techniken in einer einzigen Kampagne umfassten.
Mobiles Phishing (Voice und SMS) erzielte Klickraten, die etwa 40 % höher als bei E-Mail lagen, wobei Pretexting nun 6 % aller Datenschutzverletzungen verursacht.
Die Nutzung von Schatten-KI durch Mitarbeiter verdreifachte sich innerhalb eines Jahres auf 45 %, und 67 % greifen weiterhin über persönliche, nicht-unternehmenseigene Konten auf KI-Tools zu.
89 % der Organisationen mussten 2025 Memory-Safety-Schwachstellen patchen — eine Fehlerklasse, die erstmals vor drei Jahrzehnten dokumentiert wurde.

Was ist der Verizon Data Breach Investigations Report

Der Verizon Data Breach Investigations Report (DBIR) ist eine jährliche Analyse bestätigter Datenschutzverletzungen und Sicherheitsvorfälle weltweit, die seit 2008 veröffentlicht wird. Die Ausgabe 2026, die 19., umfasst Daten von Oktober 2024 bis November 2025 und stützt sich auf mehr als 31.000 Sicherheitsvorfälle, darunter über 22.000 bestätigte Datenschutzverletzungen in 145 Ländern — der größte Datensatz in der Geschichte des Berichts.

Wie die Daten zusammengestellt werden

Verizon erstellt den Bericht mit Beiträgen von fast 100 Partnerorganisationen, die jeweils Daten zu Datenschutzverletzungen und Vorfällen aus ihrem eigenen Betrieb liefern. Das DBIR-Team normalisiert diese Daten in ein gemeinsames Framework, das auf Bedrohungsakteuren, Aktionen, Assets und Attributen basiert. Dadurch können eine Datenschutzverletzung in einem Krankenhaus in Deutschland und ein Ransomware-Fall in Ohio als vergleichbare Datenpunkte erscheinen.

Im Gegensatz zu Bedrohungsberichten von Anbietern, die auf der Telemetrie eines einzelnen Unternehmens basieren, aggregiert der DBIR Daten über Branchen, Unternehmensgrößen und Regionen hinweg. Diese Breite macht ihn zu einem Referenzpunkt für Sicherheitsbudgetierung und Vorstandsberichte statt zu einer einzelnen Anbieter-Verkaufsnarrative.

Was ist neu im DBIR 2026-Datensatz

Die Partnerliste bestimmt, was der Bericht tatsächlich messen kann, und 2026 brachte eine Ergänzung, die seinen Umfang verändert. Anthropic steuerte Durchsetzungsdaten zu 793 Bedrohungsakteuren bei, die zwischen März 2025 und Februar 2026 von seinem Safeguards Team gekennzeichnet wurden und spezifischen MITRE ATT&CK-Techniken zugeordnet wurden.

Es ist das erste Mal, dass ein führendes KI-Labor diese Art von Datensatz zum DBIR beigetragen hat, und es ermöglicht dem Bericht, GenAI-Missbrauch mit tatsächlichen Durchsetzungszahlen statt mit Schätzungen zu quantifizieren.

Der vollständige Verizon 2026 Data Breach Investigations Report ist direkt bei Verizon verfügbar.

10 Statistiken aus dem DBIR 2026, die Ihre Prioritäten neu ausrichten sollten

Diese zehn Erkenntnisse markieren die deutlichsten Verschiebungen im DBIR 2026: Angreifer nutzen Schwachstellen schneller aus, als Verteidiger sie patchen, Drittanbieter-Risiken sind zu einem primären Vektor für Datenschutzverletzungen geworden, und generative KI skaliert bekannte Angriffstechniken, anstatt neue zu erfinden. Jede dieser Erkenntnisse weist auf eine spezifische Lücke in den meisten aktuellen Sicherheitsprogrammen hin.

1. Die Ausnutzung von Schwachstellen ist jetzt der häufigste initiale Zugriffsvektor

Die Ausnutzung von Schwachstellen stieg von 20 % der Datenschutzverletzungen im Bericht 2025 auf 31 % im Jahr 2026 — ein Anstieg von 55 %. Der Missbrauch von Anmeldedaten, der jahrelang den Spitzenplatz hielt, fiel im selben Zeitraum von 22 % auf 13 % als erste aufgezeichnete Aktion bei einer Datenschutzverletzung.

Die mediane Organisation musste 50 % mehr CISA Known Exploited Vulnerabilities (KEV) patchen als im Vorjahr — 16 kritische CVEs gegenüber 11 — während die vollständigen Behebungsraten auf 26 % sanken. Mehr Schwachstellen, langsameres Patchen und Angreifer, die die Ausnutzung mit KI-Unterstützung automatisieren — das ist keine Kombination, die Verteidigern in die Hände spielt. Wenn sich Ihre Patch-Kadenz seit 2023 nicht geändert hat, zeigen die Daten, dass Sie statistisch im Rückstand sind.

2. Der Missbrauch von Anmeldedaten berührt weiterhin 39 % jeder Angriffskette

Dass die Ausnutzung von Schwachstellen den Spitzenplatz beim initialen Zugriff übernommen hat, bedeutet nicht, dass gestohlene Anmeldedaten keine Rolle mehr spielen. Die 13 %-Zahl zählt nur den ersten aufgezeichneten Schritt bei einer Datenschutzverletzung. Wenn der DBIR den Missbrauch von Anmeldedaten an irgendeinem Punkt eines Angriffs verfolgt, taucht er in 39 % der Datenschutzverletzungen auf und ist damit der häufigste Engpass in fast jedem Angriffsmuster des Berichts.

Verizon DBIR Trenddiagramm, 2022–2026, das zeigt, wie der Missbrauch von Anmeldedaten bei etwa 39 % der Datenschutzverletzungen bleibt, während die Ausnutzung von Schwachstellen von 6 % auf 31 % steigt — Initiale Zugriffsvektoren *(Quelle:* *DBIR 2026*)

Angreifer passen sich auch besser an. Viele haben Tools wie Cobalt Strike zugunsten legitimer Fernzugriffswege aufgegeben — Desktop-Sharing-Software und VPNs — was die auf Anmeldedaten basierende laterale Bewegung schwerer mit signaturbasierter Erkennung erfassbar macht. MFA ist mittlerweile Standard, reicht aber allein nicht aus.

Die Zahlen zur Passworthygiene erklären, warum der Missbrauch von Anmeldedaten fortbesteht. Anmeldedaten selbst tauchen als gestohlener Datentyp in 28 % der Datenschutzverletzungen auf, und Passwortrichtlinien gehören zu den Schutzmaßnahmen, die der DBIR neben Berechtigungsmanagement und Konfigurationshärtung als Kontrollmaßnahmen gegen Angriffstechniken hervorhebt. Grundlegende Härtungsprüfungen bestätigen die Lücke: 97 % der bewerteten Geräte scheiterten bei der Prüfung zur Begrenzung fehlgeschlagener Anmeldeversuche vor der Sperrung, und 90 % scheiterten bei der Durchsetzung einer Mindestlänge von 15 Zeichen.

3. Ransomware trifft 48 % der Datenschutzverletzungen, aber Opfer zahlen weniger

Ransomware stieg von 44 % auf 48 % der Datenschutzverletzungen in diesem Jahr und bleibt die schädlichste Bedrohungskategorie. Der kontraintuitive Teil: 69 % der Ransomware-Opfer weigerten sich zu zahlen, und die mediane Zahlung sank von 150.000 USD auf 139.875 USD.

Diese Kombination deutet darauf hin, dass Backup-Strategien, Incident-Response-Reife und Strafverfolgungsmaßnahmen an Boden gewinnen. Aber das schiere Volumen der Ransomware-Vorfälle, angetrieben von Initial Access Brokern und Infostealer-Märkten, bedeutet, dass es ein Fehler ist, sie als ein Problem zu behandeln, das allein durch Backups gelöst wird. Die Organisationen, die einen Angriff am besten überstanden, waren diejenigen, die nie verhandeln mussten.

4. Drittanbieter-Datenschutzverletzungen machen jetzt 48 % aller Vorfälle aus

Die Beteiligung von Drittanbietern an Datenschutzverletzungen erreichte 48 %, gegenüber 30 % ein Jahr zuvor — ein Anstieg von 60 % zusätzlich zu einer Verdopplung im Vorjahr. Mehrere der disruptivsten Datenschutzverletzungen des Jahres 2025 betrafen mehrere kompromittierte Anbieter gleichzeitig.

Die Grundursachen sind gewöhnlich: fehlende MFA bei Cloud-Konten, übermäßige Berechtigungen und schwache Passwörter. Nur 23 % der Drittanbieter-Organisationen beheben MFA-Lücken bei ihren Cloud-Konten vollständig, obwohl die Hälfte aller MFA-Befunde innerhalb eines Monats gelöst wurde.

Schwache Passwörter und Berechtigungsfehlkonfigurationen schnitten weitaus schlechter ab: Die mediane Zeit zur Behebung der Hälfte dieser Befunde erstreckte sich auf fast acht Monate. Jährliche Anbieterfragebögen können ein Problem nicht erfassen, dessen Behebung auf Anbieterseite acht Monate dauert.

Ein achtwöchiges Behebungsfenster entsteht genau dann, wenn der Anbieterzugriff außerhalb Ihrer Sichtbarkeit liegt. Mit der rollenbasierten Zugriffskontrolle von Passwork können Sie Anbieter-Anmeldedaten aus einem zentralen Tresor gewähren, protokollieren und widerrufen — mit vollständigem Audit-Trail. Erfahren Sie, wie es in Ihren Drittanbieter-Zugriffsworkflow passt.

5. Nur 26 % der kritischen Schwachstellen wurden vollständig behoben

Die vollständige Behebung von CISA KEV-Schwachstellen sank von 38 % auf 26 %, und die mediane Patch-Zeit stieg von 32 auf 43 Tage. Der Anteil der Schwachstellen, die vollständig unbehoben blieben, wuchs von 12 % auf 16 %.

Die Überlebenskurve ist schlechter als die Durchschnittswerte vermuten lassen. Am Tag 28 nach der Erkennung blieben 35 % der KEV-Schwachstellen offen, was 184 Millionen Schwachstelleninstanzen entspricht (gegenüber 31 Millionen vor drei Jahren). Das Erkennungsvolumen wuchs fast achtfach, von 68,7 Millionen Datensätzen im Jahr 2022 auf 527,3 Millionen im Jahr 2025, während die Patch-Kapazität sich kaum bewegte.

Patchen allein wird diese Lücke nicht schließen. Da es bei aktuellen Volumina unrealistisch ist, alles zu beheben, muss die Behebung nach Ausnutzungsrisiko statt nur nach CVSS-Score priorisiert werden. Der deutlichste Beweis des Berichts dafür: 80 % der dauerhaft ausgenutzten Schwachstellen waren mehr als zwei Jahre alt, was bedeutet, dass Angreifer größtenteils Schwachstellen bearbeiten, die Organisationen bereits kannten und sich entschieden hatten, nicht zu priorisieren.

Das achtfache Wachstum des Erkennungsvolumens (68,7 Mio. → 527,3 Mio. Datensätze) bei gleichbleibender Patch-Kapazität ist ein Volumenproblem, das allein durch Patch-Geschwindigkeit nicht gelöst werden kann — Sie bräuchten etwa den achtfachen Behebungsdurchsatz, nur um gleichauf zu bleiben, und keine Organisation skalierte so schnell. Also ist schneller patchen allein kein realistischer Ansatz.

6. Bedrohungsakteure nutzen generative KI über einen Median von 15 ATT&CK-Techniken

Die Zusammenarbeit von Verizon mit Anthropic lieferte einen der wesentlichsten Beiträge des Berichts: eine Analyse von 793 Bedrohungsakteuren, die zwischen März 2025 und Februar 2026 gegen die Nutzungsrichtlinien von Anthropic verstoßen haben. Der mediane Akteur nutzte KI-Unterstützung über 15 verschiedene MITRE ATT&CK-Techniken.

Die Extremfälle sind der aufschlussreichere Datenpunkt. Einige Kampagnen umfassten 40–50 Techniken in mehrstufigen, agentischen Operationen, bei denen die KI als Co-Entwickler über die gesamte Angriffskette fungierte.

Dieses Ausmaß hat keine neuartigen Bedrohungen hervorgebracht. Weniger als 1 % dieser Akteure fielen in die Kategorie hohes oder kritisches Risiko, und die meiste KI-unterstützte Malware verwendete gut dokumentierte Techniken wieder: Die mediane Beobachtung hatte 55 vorhandene Malware-Beispiele, die dieselbe Funktion ausführten. Nur 2,5 % betrafen wirklich seltene Techniken.

KI skaliert, was bereits funktioniert, und erzeugt keine neuen Angriffsklassen. Detection-Engineering-Teams müssen noch keine neuartigen KI-generierten Taktiken verfolgen. Aber die Geschwindigkeit und das Volumen, mit denen Angreifer jetzt operieren, lassen die Mean Time to Detect (MTTD)- und Mean Time to Respond (MTTR)-Benchmarks von 2024 bereits veraltet erscheinen.

7. Mobiles Phishing erzielt 40 % höhere Klickraten als E-Mail

Phishing-Simulationsdaten zeigen E-Mail-Klickraten mit einem Median von 1,4 %, während telefonzentrierte Methoden (Voice und SMS) näher bei 2 % liegen — eine um 40 % höhere Erfolgsrate. Pretexting — Live-Manipulation per Telefon oder SMS — macht jetzt 6 % aller Datenschutzverletzungen aus und ist zunehmend der initiale Zugriffsvektor für Ransomware- und Erpressungsangriffe.

Gegenmaßnahmen für Phishing und Pretexting sind nicht dasselbe. E-Mail-Training lehrt Menschen, einen verdächtigen Link zu erkennen. Pretexting erfordert Regeln auf Geschäftsebene — das Helpdesk-Personal zu schulen, nicht hilfreich zu sein, wenn jemand es manipuliert, ein Passwort zurückzusetzen oder MFA zu deaktivieren. Security-Awareness-Programme, die nur auf E-Mail-Simulationen aufbauen, testen auf die falsche Bedrohung.

8. Die Nutzung von Schatten-KI verdreifachte sich auf 45 % der Mitarbeiter

Im DBIR 2025 waren 15 % der Mitarbeiter regelmäßige KI-Nutzer auf Unternehmensgeräten. Diese Zahl verdreifachte sich 2026 auf 45 %. Gleichzeitig greifen 67 % der Nutzer über nicht-unternehmenseigene Konten auf KI-Dienste zu — ein moderater Rückgang gegenüber dem Vorjahr, aber immer noch eine große unautorisierte Angriffsfläche.

Schatten-KI ist jetzt die dritthäufigste nicht-böswillige Insider-Aktion, die in Data Loss Prevention (DLP)-Datensätzen erkannt wird — ein vierfacher Anstieg im Jahresvergleich. Quellcode ist der häufigste Datentyp, der an nicht genehmigte GenAI-Tools übermittelt wird, gefolgt von Bildern und strukturierten Daten. In 3,2 % der DLP-Richtlinienverletzungen gelangten Forschungs- und technische Dokumentation an externe KI-Systeme — eine direkte Exposition geistigen Eigentums.

9. 60–70 % der bekannten ausgenutzten Schwachstellen bleiben am Tag 7 offen, unabhängig vom Reifegrad

Die ernüchterndste Zahl im Bericht: Am Tag 7 nach der Erkennung — ein ambitioniertes Ziel nach jedem Standard — bleiben 60 % bis 70 % der CISA KEV-Schwachstellen ungepatcht. Diese Zahl hat sich über drei Jahre zusätzlicher Tools, Prozessinvestitionen und regulatorischen Drucks kaum verändert.

Verizon DBIR Überlebenskurve zur Schwachstellenbehebung, 2022–2025, die den sinkenden Anteil ungepatchter CISA KEV-Schwachstellen am Tag 7, Tag 28 und Tag 90 ab der ersten Erkennung zeigt — CISA KEV Überlebensanalyse der Schwachstellenbehebung: Vier-Jahres-Vergleich (Quelle: *DBIR 2026*)

Das Team von Verizon nennt dies ein Lichtgeschwindigkeitslimit — eine praktische Obergrenze dafür, wie schnell die Schwachstellenbehebung bei aktuellen Ressourcenniveaus erfolgen kann. Selbst leistungsstarke Organisationen beheben höchstens 30–40 % der KEV-Instanzen in der ersten Woche.

Die Priorisierung entscheidet jetzt über das Ergebnis: Welche Schwachstelle zuerst gepatcht wird, ist wichtiger als wie viele gepatcht werden. Die Priorisierung nach tatsächlicher Ausnutzungsaktivität ist besser als sich allein auf CVSS (Common Vulnerability Scoring System)-Scores zu verlassen. Fast die Hälfte der KEV-Schwachstellen zeigt laut Bericht anhaltende Ausnutzung — im Durchschnitt an 96 % der Tage aktiv.

10. 89 % der Organisationen liefern immer noch Memory-Safety-Schwachstellen aus

Die Common Weakness Enumeration (CWE)-Analyse des DBIR ergab, dass 89 % der Organisationen Memory-Safety-Probleme patchen mussten — Buffer Overflows, Use-after-free-Bugs, Out-of-bounds-Reads — drei Jahrzehnte nachdem Smashing the Stack for Fun and Profit diese Fehlerklasse erstmals in Phrack im Jahr 1996 beschrieb. Die eigene Formulierung des Berichts: „Was machen wir hier eigentlich noch?"

Die Top-5-CWE-Kategorien — Memory Safety, Access Control, Resource Lifecycle Management, Improper Neutralization und File Handling — tauchten in mehr als 75 % der Organisationen auf. Wenn diese Fehler während der Entwicklung auftreten, beträgt die mediane Zeit zur Behebung der Hälfte davon sechs bis sieben Monate.

Für Teams, die Software entwickeln oder beschaffen, spricht das für Memory-safe-Sprachen (Rust, Go, C#) in Entwicklungsstandards — ein Ansatz, den der DBIR ausdrücklich mit CISAs Secure by Design-Initiative verknüpft. Der günstigste Patch ist die Schwachstelle, die nie ausgeliefert wird.

Verizon 2026 DBIR: Die Zahlen auf einen Blick

Die folgenden Tabellen fassen die oben nicht ausführlich behandelten Kategorien zusammen — nützlich als schnelle Referenz gegenüber Ihren eigenen Metriken.

Muster bei Datenschutzverletzungen, Drei-Jahres-Trend

Muster	2026	2025	2024
Systemeindringung	61%	53%	36%
Social Engineering	17%	17%	22%
Einfache Web-Application-Angriffe	10%	18%	9%
Verschiedene Fehler	8%	12%	25%
Privilegienmissbrauch	3%	7%	8%

Akteure, Motive und Auswirkungen

Metrik	Wert 2026
Externe Akteure	88 % der Datenschutzverletzungen
Interne Akteure	12 % (gegenüber 18 % gesunken)
Staatlich affiliierte Akteure	~15 % der Datenschutzverletzungen
Bestätigte Datenoffenlegung	82 % der Vorfälle
Integritätsauswirkung	64 % der Vorfälle
Verfügbarkeitsauswirkung	53 % der Vorfälle

Assets und Infrastruktur-Exposition

Server bleiben das Hauptziel, gefolgt von Person als Social-Engineering-Ziel. Netzwerkgeräte stiegen stark an und sind jetzt ungefähr gleichauf mit Benutzergeräten bei jeweils etwa 5 %. Die Forscher von Verizon identifizierten auch 45.000–50.000 End-of-Life-Mobilfunkrouter mit öffentlich zugänglichen Verwaltungsschnittstellen in OT-nahen Sektoren — ein Befund, der für jedes Team relevant ist, das entfernte industrielle Infrastruktur verwaltet.

Drei strategische Verschiebungen, die der DBIR 2026 erfordert

Der DBIR 2026 fordert eine schnellere, besser priorisierte Version des Sicherheitsprogramms, das die meisten Organisationen bereits betreiben. Patching, MFA, Anmeldedaten-Hygiene, Anbieterüberwachung und Security Awareness funktionieren alle noch. Das Problem ist, dass das Bedrohungsvolumen die Kapazität der meisten Teams übersteigt, im gleichen Tempo zu reagieren.

Der DBIR 2026 weist auf drei Prioritätsverschiebungen hin: Geschwindigkeit vor Vollständigkeit, Drittanbieter-Sichtbarkeit statt punktuellem Vertrauen, und KI-skalierte Verteidigung statt KI-skalierter Angst.

Geschwindigkeit ist wichtiger als Vollständigkeit

Sie können nicht alles patchen, und die Daten beweisen es: Selbst Spitzenreiter beheben höchstens 40 % der kritischen Schwachstellen in der ersten Woche. Priorisierung basierend auf tatsächlicher Ausnutzungsaktivität — nicht allein auf CVSS-Score — ist der einzige Ansatz, der mit 527 Millionen jährlichen Schwachstellenerkennungen skaliert.

Drittanbieter sind Teil Ihrer Angriffsfläche

Wenn fast die Hälfte aller Datenschutzverletzungen einen Drittanbieter involviert, hat die Anbieterüberwachung das gleiche Gewicht wie interne Kontrollen. Ein TPRM (Third-Party Risk Management)-Prozess, der auf jährlichen Fragebögen basiert, kann eine achtmonatige MFA-Lücke auf der Cloud-Konsole eines Anbieters nicht erfassen.

KI skaliert bekannte Techniken, erfindet aber keine neuen

Angreifer nutzen GenAI, um bestehende Playbooks schneller und in größerem Umfang auszuführen, so die Anthropic-Analyse im DBIR 2026. Ihre bestehenden Verteidigungsmaßnahmen gelten weiterhin. Sie müssen nur mit der Geschwindigkeit und dem Umfang operieren, die Angreifer bereits erreicht haben.

Anmeldedaten-Hygiene und Drittanbieter-Zugriffslücken tauchen weiterhin als Grundursachen auf, weil niemand kontinuierliche Sichtbarkeit darüber hat, wer auf was Zugriff hat oder wie lange. Testen Sie Passwork kostenlos und sehen Sie, wie ein strukturierter Tresor diese Lücke in Ihrer eigenen Umgebung schließt.

Häufig gestellte Fragen

Was ist der Verizon 2026 DBIR?

Der Verizon 2026 Data Breach Investigations Report ist die 19. Ausgabe der jährlichen Analyse bestätigter Datenschutzverletzungen und Sicherheitsvorfälle weltweit von Verizon. Er stützt sich auf mehr als 22.000 bestätigte Datenschutzverletzungen in 145 Ländern, die von fast 100 Partnerorganisationen beigetragen wurden, darunter Incident Responder, Versicherer und Threat-Intelligence-Firmen.

Was ist der häufigste initiale Zugriffsvektor im DBIR 2026?

Die Ausnutzung von Schwachstellen ist der häufigste initiale Zugriffsvektor im DBIR 2026 und macht 31 % der Datenschutzverletzungen aus, gegenüber 20 % im Vorjahr. Sie überholte den Missbrauch von Anmeldedaten, der im selben Zeitraum von 22 % auf 13 % sank.

Wie viel zahlen Unternehmen bei Ransomware-Angriffen laut DBIR 2026?

Die mediane Ransomware-Zahlung im DBIR 2026 beträgt 139.875 USD, gegenüber 150.000 USD im Vorjahr. Obwohl Ransomware in 48 % aller Datenschutzverletzungen auftauchte, weigerten sich 69 % der Opfer zu zahlen, was auf stärkere Backup- und Incident-Response-Praktiken hindeutet.

Warum stiegen Drittanbieter-Datenschutzverletzungen 2026 so stark an?

Drittanbieter-Datenschutzverletzungen stiegen auf 48 % aller Vorfälle — ein Anstieg von 60 % in einem Jahr — hauptsächlich aufgrund unbehobener MFA-Lücken, übermäßiger Cloud-Berechtigungen und schwacher Passwortpraktiken bei Anbietern. Nur 23 % der Drittanbieter-Organisationen beheben MFA-Probleme bei ihren Cloud-Konten vollständig.

Nutzen Angreifer tatsächlich KI, um Organisationen zu hacken?

Ja. Der Beitrag von Anthropic zum DBIR 2026 ergab, dass 793 Bedrohungsakteure generative KI über einen Median von 15 MITRE ATT&CK-Techniken nutzten, wobei einige Kampagnen 40–50 Techniken umfassten. Die meisten KI-unterstützten Angriffe skalierten bekannte, gut dokumentierte Techniken, anstatt neuartige zu erschaffen.

Wie schnell sollten Organisationen kritische Schwachstellen patchen?

Der DBIR 2026 ergab, dass selbst leistungsstarke Organisationen nur 30–40 % der bekannten ausgenutzten Schwachstellen innerhalb der ersten Woche beheben. Die Empfehlung lautet, nach tatsächlicher Ausnutzungsaktivität und Asset-Exposition zu priorisieren, anstatt auf vollständige Behebung abzuzielen, die laut Daten bei aktuellen Volumina unrealistisch ist.

Verizon DBIR 2026: 10 Statistiken, die Ihre Sicherheitsstrategie ändern sollten

Verizons DBIR 2026 untersuchte über 22.000 Breaches in 145 Ländern. Schwachstellen-Ausnutzung löste Credential-Missbrauch als Top-Angriffsvektor ab, während Ransomware, Drittanbieter-Risiken und KI-Angriffe stark zunahmen. Hier die 10 wichtigsten Zahlen.

Cybersecurity Industry reports

Aug 4, 2026 — 17 min read

Verizon DBIR 2026: 10 estadísticas que deberían cambiar su estrategia de seguridad

El Verizon 2026 Data Breach Investigations Report (DBIR) analizó más de 22.000 filtraciones confirmadas en 145 países, lo que lo convierte en el conjunto de datos más grande en los 19 años de historia del informe. Su hallazgo principal: la explotación de vulnerabilidades superó al abuso de credenciales como el principal vector de acceso inicial, mientras que el ransomware, el riesgo de terceros y los ataques asistidos por IA crecieron considerablemente.

Esta es la 19ª edición del informe, y contó con la colaboración de Anthropic, Qualys, Tenable, Tenchi Security, Fastly y DTEX para ir más allá del simple conteo de incidentes. El DBIR 2026 mide la velocidad de parcheo de las organizaciones, cuánto tiempo los proveedores dejan deshabilitada la autenticación multifactor (MFA) y cómo los actores de amenazas están operacionalizando la IA generativa (GenAI) en campañas activas.

Los diez números a continuación son los que vale la pena considerar para construir la hoja de ruta de seguridad del próximo año.

Datos clave del DBIR 2026

La explotación de vulnerabilidades superó al abuso de credenciales como el principal vector de acceso inicial, aumentando del 20% al 31% de las filtraciones año tras año, un incremento del 55%.
El abuso de credenciales todavía aparece en el 39% de las filtraciones en general, manteniéndose como el punto de estrangulamiento más común en los patrones de ataque, incluso cuando su papel como primer punto de entrada disminuyó.
El ransomware apareció en el 48% de todas las filtraciones, aunque el 69% de las víctimas se negó a pagar, reduciendo el pago medio a $139.875.
La participación de terceros en las filtraciones aumentó un 60% en un solo año, alcanzando el 48% de todos los incidentes, después de haberse duplicado el año anterior.
Las organizaciones remediaron completamente solo el 26% de las vulnerabilidades explotadas conocidas en 2025, frente al 38% del año anterior.
Incluso las organizaciones con mejor rendimiento parchean como máximo el 30-40% de las vulnerabilidades explotadas conocidas en la primera semana, un techo que apenas se ha movido en tres años.
Los actores de amenazas utilizaron IA generativa en una mediana de 15 técnicas distintas de MITRE ATT&CK, con casos extremos que abarcan 40-50 técnicas en una sola campaña.
El phishing móvil (voz y SMS) produjo tasas de clics aproximadamente un 40% más altas que el correo electrónico, con el pretexting impulsando ahora el 6% de todas las filtraciones.
El uso de Shadow AI entre los empleados se triplicó al 45% en un año, y el 67% todavía accede a herramientas de IA a través de cuentas personales, no corporativas.
El 89% de las organizaciones tuvo que parchear vulnerabilidades de seguridad de memoria en 2025, una clase de error documentada por primera vez hace tres décadas.

Qué es el Informe de Investigaciones de Filtraciones de Datos de Verizon

Logotipo del Informe de Investigaciones de Filtraciones de Datos 2026 de Verizon

El Verizon 2026 Data Breach Investigations Report (DBIR) es un análisis anual, a nivel mundial, de filtraciones de datos confirmadas e incidentes de seguridad, publicado desde 2008. La edición 2026, la 19ª, cubre datos desde octubre de 2024 hasta noviembre de 2025 y se basa en más de 31.000 incidentes de seguridad, incluyendo más de 22.000 filtraciones confirmadas en 145 países — el conjunto de datos más grande en la historia del informe.

Cómo se recopilan los datos

Verizon elabora el informe con contribuciones de casi 100 organizaciones asociadas, cada una aportando datos de filtraciones e incidentes de sus propias operaciones. El equipo del DBIR normaliza estos datos en un marco común construido en torno a actores de amenazas, acciones, activos y atributos, lo que permite que una filtración hospitalaria en Alemania y un caso de ransomware en Ohio aparezcan como puntos de datos comparables.

A diferencia de los informes de amenazas de proveedores basados en la telemetría de una sola empresa, el DBIR agrega datos de distintas industrias, tamaños de empresa y geografías. Esa amplitud es lo que lo convierte en un punto de referencia para la presupuestación de seguridad y los informes a nivel directivo, en lugar de una narrativa de ventas de un solo proveedor.

Novedades en el conjunto de datos del DBIR 2026

La lista de socios determina lo que el informe puede medir realmente, y 2026 trajo una incorporación que redefine su alcance. Anthropic contribuyó con datos de aplicación de políticas sobre 793 actores de amenazas identificados por su Equipo de Salvaguardas entre marzo de 2025 y febrero de 2026, mapeados a técnicas específicas de MITRE ATT&CK.

Es la primera vez que un laboratorio de IA de frontera suministra este tipo de conjunto de datos al DBIR, y permite que el informe cuantifique el uso indebido de GenAI con números reales de aplicación de políticas en lugar de estimaciones.

El informe completo Verizon 2026 Data Breach Investigations Report está disponible directamente en el sitio web de Verizon.

10 estadísticas del DBIR 2026 que deberían reformular sus prioridades

Estos diez hallazgos marcan los cambios más claros en el DBIR 2026: los atacantes están explotando vulnerabilidades más rápido de lo que los defensores las parchean, el riesgo de terceros se ha convertido en un vector de filtración principal, y la IA generativa está escalando técnicas de ataque conocidas en lugar de inventar nuevas. Cada uno apunta a una brecha específica en la mayoría de los programas de seguridad actuales.

1. La explotación de vulnerabilidades es ahora el vector de acceso inicial #1

La explotación de vulnerabilidades subió del 20% de las filtraciones en el informe de 2025 al 31% en 2026, un aumento del 55%. El abuso de credenciales, que ocupó el primer lugar durante años, cayó del 22% al 13% en el mismo período como la primera acción registrada en una filtración.

La organización media tuvo que parchear un 50% más de Vulnerabilidades Explotadas Conocidas de CISA (KEV) que el año anterior, 16 CVE críticos frente a 11, mientras que las tasas de remediación completa cayeron al 26%. Más vulnerabilidades, parcheo más lento y atacantes automatizando la explotación con asistencia de IA no es una combinación que favorezca a los defensores. Si su cadencia de parcheo no ha cambiado desde 2023, los datos indican que estadísticamente está rezagado.

2. El abuso de credenciales todavía afecta al 39% de cada cadena de ataque

Que la explotación de vulnerabilidades ocupe el primer lugar como acceso inicial no significa que las credenciales robadas hayan dejado de importar. La cifra del 13% solo cuenta el primer paso registrado en una filtración. Cuando el DBIR rastrea el abuso de credenciales en cualquier punto de un ataque, aparece en el 39% de las filtraciones, convirtiéndolo en el punto de estrangulamiento más común en casi todos los patrones de ataque del informe.

Gráfico de tendencias del DBIR de Verizon, 2022-2026, mostrando el abuso de credenciales manteniéndose alrededor del 39% de las filtraciones mientras la explotación de vulnerabilidades sube del 6% al 31%] — Vectores de acceso inicial *(fuente:* *DBIR 2026*)

Los atacantes también se están camuflando mejor. Muchos han abandonado herramientas como Cobalt Strike en favor de rutas de acceso remoto legítimas, software de escritorio compartido y VPN, lo que hace que el movimiento lateral basado en credenciales sea más difícil de detectar con detección basada en firmas. MFA es lo mínimo indispensable a estas alturas, pero no es suficiente por sí solo.

Los números de higiene de contraseñas explican por qué persiste el abuso de credenciales. Las credenciales aparecen como tipo de dato robado en el 28% de las filtraciones, y la política de contraseñas es una de las salvaguardas que el DBIR señala como control mitigador en todas las técnicas de ataque, junto con la gestión de privilegios y el endurecimiento de configuraciones. Las verificaciones básicas de endurecimiento confirman la brecha: el 97% de los dispositivos evaluados no cumplieron la verificación de limitar los intentos de inicio de sesión fallidos antes del bloqueo, y el 90% no aplicó una longitud mínima de 15 caracteres.

3. El ransomware afecta al 48% de las filtraciones, pero las víctimas pagan menos

El ransomware creció del 44% al 48% de las filtraciones este año y sigue siendo la categoría de amenaza más dañina. La parte contraintuitiva: el 69% de las víctimas de ransomware se negó a pagar, y el pago medio cayó de $150.000 a $139.875.

Esa combinación sugiere que las estrategias de respaldo, la madurez en respuesta a incidentes y la interrupción por parte de las fuerzas del orden están ganando terreno. Pero el gran volumen de incidentes de ransomware, impulsado por intermediarios de acceso inicial y mercados de infostealers, significa que tratarlo como un problema resuelto solo con respaldos es un error. Las organizaciones que salieron de un ataque en mejor forma fueron las que nunca tuvieron que negociar.

4. Las filtraciones de terceros ahora representan el 48% de todos los incidentes

La participación de terceros en las filtraciones alcanzó el 48%, frente al 30% del año anterior, un salto del 60% sobre una duplicación del año previo. Varias de las filtraciones más disruptivas de 2025 involucraron múltiples proveedores comprometidos simultáneamente.

Las causas raíz son ordinarias: MFA ausente en cuentas en la nube, permisos excesivos y contraseñas débiles. Solo el 23% de las organizaciones terceras remediaron completamente las brechas de MFA en sus cuentas en la nube, aunque la mitad de todos los hallazgos de MFA se resolvieron en un mes.

Las contraseñas débiles y las configuraciones incorrectas de permisos tuvieron resultados mucho peores: el tiempo medio para resolver la mitad de esos hallazgos se extendió a casi ocho meses. Los cuestionarios anuales de proveedores no pueden detectar un problema que tarda ocho meses en solucionarse del lado del proveedor.

Una ventana de remediación de ocho meses es exactamente lo que sucede cuando el acceso de proveedores está fuera de su visibilidad. El control de acceso basado en roles de Passwork le permite otorgar, registrar y revocar credenciales de proveedores desde una bóveda central, con un registro de auditoría completo. Explore cómo se adapta a su flujo de trabajo de acceso de terceros.

5. Solo el 26% de las vulnerabilidades críticas fueron completamente remediadas

La remediación completa de vulnerabilidades CISA KEV cayó del 38% al 26%, y el tiempo medio de parcheo se extendió de 32 a 43 días. La proporción de vulnerabilidades que quedaron completamente sin remediar creció del 12% al 16%.

La curva de supervivencia es peor de lo que sugieren los promedios. Al día 28 después de la detección, el 35% de las vulnerabilidades KEV permanecían abiertas, representando 184 millones de instancias de vulnerabilidades (frente a 31 millones tres años antes). El volumen de detección creció casi ocho veces, de 68,7 millones de registros en 2022 a 527,3 millones en 2025, mientras que la capacidad de parcheo apenas se movió.

El parcheo por sí solo no cerrará esa brecha. Como arreglar todo no es realista a los volúmenes actuales, la remediación debe priorizarse por riesgo de explotación en lugar de solo por puntuación CVSS. La evidencia más clara del informe para esto: el 80% de las vulnerabilidades explotadas persistentemente tenían más de dos años de antigüedad, lo que significa que los atacantes están principalmente trabajando con vulnerabilidades que las organizaciones ya conocían y decidieron no priorizar.

El crecimiento de 8x en el volumen de detección (68,7M → 527,3M registros) contra una capacidad de parcheo estancada es un problema de volumen que la velocidad de parcheo por sí sola no puede resolver — se necesitaría aproximadamente 8x más capacidad de remediación solo para mantenerse al nivel, y ninguna organización escaló tan rápido. Así que parchear más rápido no es una solución realista por sí sola.

6. Los actores de amenazas están usando IA generativa en una mediana de 15 técnicas ATT&CK

La colaboración de Verizon con Anthropic produjo una de las contribuciones más sustanciales del informe: análisis de 793 actores de amenazas que violaron la política de uso aceptable de Anthropic entre marzo de 2025 y febrero de 2026. El actor mediano usó asistencia de IA en 15 técnicas distintas de MITRE ATT&CK.

Los casos extremos son el punto de datos más revelador. Algunas campañas abarcaron 40-50 técnicas en operaciones multisesión y agénticas donde la IA funcionó como codesarrollador a lo largo de toda la cadena de ataque.

Esa escala no ha producido amenazas novedosas. Menos del 1% de estos actores cayeron en la categoría de riesgo alto o crítico, y la mayoría del malware asistido por IA reutilizó técnicas bien documentadas: la observación mediana tenía 55 ejemplos de malware existentes que realizaban la misma función. Solo el 2,5% involucró técnicas genuinamente raras.

La IA está escalando lo que ya funciona, no generando nuevas clases de ataque. Los equipos de ingeniería de detección no necesitan perseguir tácticas novedosas generadas por IA todavía. Pero la velocidad y el volumen con que los atacantes ahora operan dejan los puntos de referencia de tiempo medio de detección (MTTD) y tiempo medio de respuesta (MTTR) de la era 2024 ya obsoletos.

7. El phishing móvil produce tasas de clics un 40% más altas que el correo electrónico

Los datos de simulación de phishing muestran tasas de clics de correo electrónico en una mediana de 1,4%, mientras que los métodos centrados en el teléfono (voz y SMS) alcanzan cerca del 2%, una tasa de éxito un 40% más alta. El pretexting, manipulación en vivo por teléfono o texto, ahora representa el 6% de todas las filtraciones y es cada vez más el vector de acceso inicial para ataques de ransomware y extorsión.

Las contramedidas para phishing y pretexting no son lo mismo. La capacitación en correo electrónico enseña a las personas a detectar un enlace sospechoso. El pretexting requiere reglas a nivel empresarial, capacitando al personal de soporte técnico para que no sea servicial cuando alguien los manipula para restablecer una contraseña o deshabilitar MFA. Los programas de concienciación de seguridad construidos solo en torno a simulaciones de correo electrónico están probando para la amenaza equivocada.

8. El uso de Shadow AI se triplicó al 45% de los empleados

En el DBIR 2025, el 15% de los empleados eran usuarios regulares de IA en dispositivos corporativos. Ese número se triplicó al 45% en 2026. Mientras tanto, el 67% de los usuarios accede a servicios de IA a través de cuentas no corporativas, una modesta caída respecto al año anterior pero todavía una gran superficie no autorizada.

Shadow AI es ahora la tercera acción interna no maliciosa más común detectada en conjuntos de datos de prevención de pérdida de datos (DLP), cuadruplicándose año tras año. El código fuente es el tipo de dato más común enviado a herramientas GenAI no autorizadas, seguido de imágenes y datos estructurados. En el 3,2% de las violaciones de políticas DLP, documentación de investigación y técnica fue enviada a sistemas de IA externos, una exposición directa de propiedad intelectual.

9. El 60-70% de las vulnerabilidades explotadas conocidas permanecen abiertas al día 7, independientemente de la madurez

El número más aleccionador del informe: al día 7 después de la detección, un objetivo agresivo bajo cualquier estándar, del 60% al 70% de las vulnerabilidades CISA KEV permanecen sin parchear. Esa cifra apenas se ha movido en tres años de herramientas adicionales, inversión en procesos y presión regulatoria.

Curva de supervivencia de remediación de vulnerabilidades del DBIR de Verizon, 2022-2025, mostrando la proporción decreciente de vulnerabilidades CISA KEV sin parchear al día 7, día 28 y día 90 desde la detección inicial — Análisis de supervivencia de vulnerabilidades CISA KEV: comparación de cuatro años (fuente: *DBIR 2026*)

El equipo de Verizon llama a esto un límite de velocidad de la luz, un techo práctico sobre cuán rápido puede moverse la remediación de vulnerabilidades con los niveles de recursos actuales. Incluso las organizaciones con mejor rendimiento corrigen como máximo del 30-40% de las instancias KEV en la primera semana.

La priorización ahora decide el resultado: qué vulnerabilidad se parchea primero importa más que cuántas se parchean. Clasificar por actividad de explotación real supera depender solo de puntuaciones CVSS (Sistema Común de Puntuación de Vulnerabilidades). Casi la mitad de las vulnerabilidades KEV muestran explotación persistente, activas en el 96% de los días en promedio, según el informe.

10. El 89% de las organizaciones todavía distribuyen vulnerabilidades de seguridad de memoria

El análisis de Enumeración de Debilidades Comunes (CWE) del DBIR encontró que el 89% de las organizaciones tuvo que parchear problemas de seguridad de memoria, desbordamientos de búfer, errores de uso después de liberación, lecturas fuera de límites, tres décadas después de que Smashing the Stack for Fun and Profit describiera por primera vez esta clase de error en Phrack en 1996. El propio enfoque del informe: «¿Qué seguimos haciendo aquí?»

Las cinco principales categorías de CWE — seguridad de memoria, control de acceso, gestión del ciclo de vida de recursos, neutralización incorrecta y manejo de archivos — aparecieron en más del 75% de las organizaciones. Cuando estos defectos aparecen durante el desarrollo, el tiempo medio para corregir la mitad de ellos es de seis a siete meses.

Para los equipos que desarrollan o adquieren software, eso argumenta a favor de lenguajes con seguridad de memoria (Rust, Go, C#) en los estándares de desarrollo, un enfoque que el DBIR vincula explícitamente con la iniciativa Secure by Design de CISA. El parche más barato es la vulnerabilidad que nunca se distribuye.

DBIR 2026 de Verizon: Los números de un vistazo

Las tablas a continuación resumen las categorías no cubiertas en profundidad anteriormente, útiles como referencia rápida contra sus propias métricas.

Patrones de filtración, tendencia de tres años

Patrón	2026	2025	2024
Intrusión de sistemas	61%	53%	36%
Ingeniería social	17%	17%	22%
Ataques básicos a aplicaciones web	10%	18%	9%
Errores varios	8%	12%	25%
Uso indebido de privilegios	3%	7%	8%

Actores, motivos e impacto

Métrica	Valor 2026
Actores externos	88% de las filtraciones
Actores internos	12% (frente al 18%)
Actores afiliados a estados	~15% de las filtraciones
Divulgación de datos confirmada	82% de los incidentes
Impacto en la integridad	64% de los incidentes
Impacto en la disponibilidad	53% de los incidentes

Activos y exposición de infraestructura

Los servidores siguen siendo el objetivo principal, seguidos de persona como objetivo de ingeniería social. Los dispositivos de red aumentaron considerablemente y ahora están aproximadamente empatados con los dispositivos de usuario en alrededor del 5% cada uno. Los investigadores de Verizon también identificaron 45.000-50.000 routers celulares al final de su vida útil con interfaces de gestión accesibles públicamente en sectores adyacentes a la tecnología operativa, un hallazgo que vale la pena señalar a cualquier equipo que gestione infraestructura industrial remota.

Tres cambios estratégicos que exige el DBIR 2026

El DBIR 2026 exige una versión más rápida y mejor priorizada del programa de seguridad que la mayoría de las organizaciones ya ejecutan. El parcheo, MFA, la higiene de credenciales, la supervisión de proveedores y la concienciación de seguridad todavía funcionan. El problema es que el volumen de amenazas ha superado la capacidad de respuesta de la mayoría de los equipos al mismo ritmo.

El DBIR 2026 apunta a tres cambios de prioridad: velocidad sobre completitud, visibilidad de terceros sobre confianza puntual, y defensa escalada por IA sobre miedo escalado por IA.

La velocidad importa más que la completitud

No puede parchear todo, y los datos lo demuestran: incluso los mejores ejecutores corrigen como máximo el 40% de las vulnerabilidades críticas en la primera semana. La priorización basada en actividad de explotación real, no solo en puntuación CVSS, es el único enfoque que escala con 527 millones de detecciones anuales de vulnerabilidades.

Los terceros son parte de su superficie de ataque

Cuando casi la mitad de todas las filtraciones involucran a un tercero, la supervisión de proveedores tiene el mismo peso que los controles internos. Un proceso de TPRM (gestión de riesgos de terceros) construido sobre cuestionarios anuales no puede detectar una brecha de MFA de ocho meses en la consola en la nube de un proveedor.

La IA está escalando técnicas conocidas, no inventando nuevas

Los atacantes usan GenAI para ejecutar manuales de estrategias existentes más rápido y con mayor volumen, según el análisis de Anthropic en el DBIR 2026. Sus defensas existentes todavía aplican. Solo necesitan operar a la velocidad y escala que los atacantes ya han alcanzado.

La higiene de credenciales y las brechas de acceso de proveedores siguen apareciendo como causas raíz porque nadie tiene visibilidad continua sobre quién tiene acceso a qué, o por cuánto tiempo. Pruebe Passwork gratis y vea cómo una bóveda estructurada cierra esa brecha en su propio entorno.

Preguntas frecuentes

¿Qué es el DBIR 2026 de Verizon?

El Informe de Investigaciones de Filtraciones de Datos 2026 de Verizon es la 19ª edición del análisis anual de Verizon sobre filtraciones de datos confirmadas e incidentes de seguridad a nivel mundial. Se basa en más de 22.000 filtraciones confirmadas en 145 países, aportadas por casi 100 organizaciones asociadas, incluyendo equipos de respuesta a incidentes, aseguradoras y firmas de inteligencia de amenazas.

¿Cuál es el principal vector de acceso inicial en el DBIR 2026?

La explotación de vulnerabilidades es el principal vector de acceso inicial en el DBIR 2026, representando el 31% de las filtraciones, frente al 20% del año anterior. Superó al abuso de credenciales, que cayó del 22% al 13% en el mismo período.

¿Cuánto pagan las empresas en ataques de ransomware según el DBIR 2026?

El pago medio de ransomware en el DBIR 2026 es de $139.875, frente a los $150.000 del año anterior. A pesar de que el ransomware aparece en el 48% de todas las filtraciones, el 69% de las víctimas se negó a pagar, lo que sugiere prácticas más sólidas de respaldo y respuesta a incidentes.

¿Por qué las filtraciones de terceros aumentaron tan drásticamente en 2026?

Las filtraciones de terceros aumentaron al 48% de todos los incidentes, un incremento del 60% en un año, en gran parte debido a brechas de MFA no resueltas, permisos excesivos en la nube y prácticas de contraseñas débiles de los proveedores. Solo el 23% de las organizaciones terceras corrigieron completamente los problemas de MFA en sus cuentas en la nube.

¿Los atacantes realmente están usando IA para hackear organizaciones?

Sí. La contribución de Anthropic al DBIR 2026 encontró 793 actores de amenazas usando IA generativa en una mediana de 15 técnicas MITRE ATT&CK, con algunas campañas abarcando 40-50 técnicas. La mayoría de los ataques asistidos por IA escalaron técnicas conocidas y bien documentadas en lugar de crear nuevas.

¿Qué tan rápido deberían las organizaciones parchear las vulnerabilidades críticas?

El DBIR 2026 encontró que incluso las organizaciones con mejor rendimiento solo remedian del 30-40% de las vulnerabilidades explotadas conocidas en la primera semana. La recomendación es priorizar por actividad de explotación real y exposición de activos en lugar de apuntar a una remediación completa, lo cual los datos muestran que no es realista a los volúmenes actuales.

Verizon DBIR 2026: 10 estadísticas que deberían cambiar su estrategia de seguridad

El DBIR 2026 de Verizon analizó más de 22.000 brechas en 145 países. La explotación de vulnerabilidades superó al abuso de credenciales como principal vector de ataque, mientras que el ransomware, el riesgo de terceros y los ataques con IA crecieron con fuerza. Estas son las 10 cifras clave.

Cybersecurity Industry reports

Aug 4, 2026 — 14 min read

Verizon's 2026 Data Breach Investigations Report (DBIR) analyzed more than 22,000 confirmed breaches across 145 countries, the largest dataset in the report's 19-year history. Its headline finding: vulnerability exploitation overtook credential abuse as the top initial access vector, while ransomware, third-party risk, and AI-assisted attacks all grew sharply.

This is the 19th edition of the report, and it partnered with Anthropic, Qualys, Tenable, Tenchi Security, Fastly, and DTEX to go beyond counting incidents. The 2026 DBIR measures how fast organizations patch, how long vendors leave multi-factor authentication (MFA) disabled, and how threat actors are operationalizing generative AI (GenAI) in live campaigns.

The ten numbers below are the ones worth building next year's security roadmap around.

Key data points from the 2026 DBIR

Vulnerability exploitation overtook credential abuse as the top initial access vector, rising from 20% to 31% of breaches year over year, a 55% increase.
Credential abuse still appears in 39% of breaches overall, remaining the most common chokepoint across attack patterns even as its role as the first entry point declined.
Ransomware appeared in 48% of all breaches, yet 69% of victims refused to pay, pushing the median payment down to $139,875.
Third-party involvement in breaches jumped 60% in a single year, to 48% of all incidents, after already doubling the year before.
Organizations fully remediated only 26% of known exploited vulnerabilities in 2025, down from 38% the year before.
Even top-performing organizations patch at most 30-40% of known exploited vulnerabilities within the first week, a ceiling that has barely moved in three years.
Threat actors used generative AI across a median of 15 distinct MITRE ATT&CK techniques, with extreme cases spanning 40-50 techniques in a single campaign.
Mobile phishing (voice and SMS) produced click rates roughly 40% higher than email, with pretexting now driving 6% of all breaches.
Shadow AI use among employees tripled to 45% in a year, and 67% still access AI tools through personal, non-corporate accounts.
89% of organizations had to patch memory safety vulnerabilities in 2025, a bug class first documented three decades ago.

What is Verizon's Data Breach Investigations Report

The Verizon Data Breach Investigations Report (DBIR) is an annual analysis of confirmed data breaches and security incidents worldwide, published since 2008. The 2026 edition, its 19th, covers data from October 2024 through November 2025 and draws on more than 31,000 security incidents, including over 22,000 confirmed breaches across 145 countries — the largest dataset in the report's history.

How the data comes together

Verizon compiles the report with contributions from nearly 100 partner organizations, each supplying breach and incident data from its own operations. The DBIR team normalizes this data into a common framework built around threat actors, actions, assets, and attributes, which is what lets a hospital breach in Germany and a ransomware case in Ohio show up as comparable data points.

Unlike vendor threat reports built on a single company's telemetry, the DBIR aggregates data across industries, company sizes, and geographies. That breadth is what makes it a reference point for security budgeting and board-level reporting rather than a single-vendor sales narrative.

What's new in the DBIR 2026 dataset

The partner list determines what the report can actually measure, and 2026 brought an addition that reshapes its scope. Anthropic contributed enforcement data on 793 threat actors flagged by its Safeguards Team between March 2025 and February 2026, mapped to specific MITRE ATT&CK techniques.

It's the first time a frontier AI lab has supplied this kind of dataset to the DBIR, and it lets the report quantify GenAI misuse with actual enforcement numbers instead of estimates.

The full Verizon 2026 Data Breach Investigations Report is available directly from Verizon.

10 stats from the 2026 DBIR that should reshape your priorities

These ten findings mark the clearest shifts in the 2026 DBIR: attackers are exploiting vulnerabilities faster than defenders patch them, third-party risk has become a primary breach vector, and generative AI is scaling known attack techniques rather than inventing new ones. Each one points to a specific gap in most current security programs.

1. Vulnerability exploitation is now the #1 initial access vector

Exploitation of vulnerabilities climbed from 20% of breaches in the 2025 report to 31% in 2026, a 55% increase. Credential abuse, which held the top spot for years, dropped from 22% to 13% over the same period as the first recorded action in a breach.

The median organization had to patch 50% more CISA Known Exploited Vulnerabilities (KEV) than the year before, 16 critical CVEs versus 11, while full remediation rates fell to 26%. More vulnerabilities, slower patching, and attackers automating exploitation with AI assistance is not a combination that favors defenders. If your patching cadence has not changed since 2023, the data says you are statistically behind.

2. Credential abuse still touches 39% of every attack chain

Vulnerability exploitation taking the top initial-access spot doesn't mean stolen credentials stopped mattering. The 13% figure only counts the first recorded step in a breach. When the DBIR tracks credential abuse at any point in an attack, it shows up in 39% of breaches, making it the most common chokepoint across nearly every attack pattern in the report.

Verizon DBIR trend chart, 2022-2026, showing credential abuse holding around 39% of breaches while vulnerability exploitation climbs from 6% to 31%] — Initial access vectors *(source:* *DBIR 2026*)

Attackers are also blending in better. Many have abandoned tools like Cobalt Strike in favor of legitimate remote access paths, desktop-sharing software and VPNs, which makes credential-based lateral movement harder to catch with signature-based detection. MFA is table stakes at this point, but it is not sufficient on its own.

The password hygiene numbers explain why credential abuse persists. Credentials themselves show up as a stolen data type in 28% of breaches, and password policy is one of the safeguards the DBIR flags as a mitigating control across attack techniques, alongside privilege management and configuration hardening. Basic hardening checks confirm the gap: 97% of assessed devices failed the check for limiting failed login attempts before lockout, and 90% failed to enforce a 15-character minimum length.

3. Ransomware hits 48% of breaches, but victims are paying less

Ransomware grew from 44% to 48% of breaches this year and remains the single most damaging threat category. The counterintuitive part: 69% of ransomware victims refused to pay, and the median payment fell from $150,000 to $139,875.

That combination suggests backup strategies, incident response maturity, and law enforcement disruption are gaining ground. But the sheer volume of ransomware incidents, fueled by initial access brokers and infostealer markets, means treating it as a problem solved by backups alone is a mistake. The organizations that came out of an attack in the best shape were the ones that never had to negotiate.

4. Third-party breaches now account for 48% of all incidents

Third-party involvement in breaches reached 48%, up from 30% a year earlier, a 60% jump on top of a doubling the year before that. Several of 2025's most disruptive breaches involved multiple compromised vendors at once.

The root causes are ordinary: missing MFA on cloud accounts, excessive permissions, and weak passwords. Only 23% of third-party organizations fully remediated MFA gaps on their cloud accounts, though half of all MFA findings were resolved within a month.

Weak passwords and permission misconfigurations fared far worse: the median time to resolve half of those findings stretched to almost eight months. Annual vendor questionnaires cannot catch a problem that takes eight months to fix on the vendor's side.

An eight-month remediation window is exactly what happens when vendor access lives outside your visibility. Passwork's role-based access control lets you grant, log, and revoke vendor credentials from a central vault, with a full audit trail instead. Explore how it fits your third-party access workflow.

5. Only 26% of critical vulnerabilities were fully remediated

Full remediation of CISA KEV vulnerabilities dropped from 38% to 26%, and the median time to patch stretched from 32 to 43 days. The share of vulnerabilities left completely unremediated grew from 12% to 16%.

The survival curve is worse than the averages suggest. By day 28 after detection, 35% of KEV vulnerabilities remained open, representing 184 million vulnerability instances (up from 31 million three years earlier). Detection volume grew nearly eightfold, from 68.7 million records in 2022 to 527.3 million in 2025, while patching capacity barely moved.

Patching alone will not close that gap. Since fixing everything isn't realistic at current volumes, remediation has to be ranked by exploitation risk rather than CVSS score alone. The report's clearest evidence for this: 80% of persistently exploited vulnerabilities were more than two years old, meaning attackers are largely working through vulnerabilities organizations already knew about and chose not to prioritize.

The 8x growth in detection volume (68.7M → 527.3M records) against flat patching capacity is a volume problem that patching speed alone cannot solve — you'd need roughly 8x more remediation throughput just to stay even, and no organization scaled that fast. So patch faster isn't a realistic fix on its own.

6. Threat actors are using generative AI across a median of 15 ATT&CK techniques

Verizon's collaboration with Anthropic produced one of the report's most substantial contributions: analysis of 793 threat actors who violated Anthropic's acceptable use policy between March 2025 and February 2026. The median actor used AI assistance across 15 distinct MITRE ATT&CK techniques.

The extreme cases are the more telling data point. Some campaigns spanned 40-50 techniques in multi-session, agentic operations where the AI functioned as a co-developer across the full attack chain.

That scale hasn't produced novel threats. Less than 1% of these actors fell into the high or critical risk category, and most AI-assisted malware reused well-documented techniques: the median observation had 55 existing malware examples performing the same function. Only 2.5% involved genuinely rare techniques.

AI is scaling what already works, not generating new attack classes. Detection engineering teams don't need to chase novel AI-generated tactics yet. But the speed and volume at which attackers now operate leaves 2024-era mean time to detect (MTTD) and mean time to respond (MTTR) benchmarks already outdated.

7. Mobile phishing produces 40% higher click rates than email

Phishing simulation data shows email click rates at a median 1.4%, while phone-centric methods (voice and SMS) reach closer to 2%, a 40% higher success rate. Pretexting, live manipulation over phone or text, now accounts for 6% of all breaches and is increasingly the initial access vector for ransomware and extortion attacks.

Countermeasures for phishing and pretexting are not the same thing. Email training teaches people to spot a suspicious link. Pretexting requires business-level rules, training help desk staff not to be helpful when someone is manipulating them into resetting a password or disabling MFA. Security awareness programs built only around email simulations are testing for the wrong threat.

8. Shadow AI use tripled to 45% of employees

In the 2025 DBIR, 15% of employees were regular AI users on corporate devices. That number tripled to 45% in 2026. Meanwhile, 67% of users access AI services through non-corporate accounts, a modest drop from the prior year but still a large unauthorized surface.

Shadow AI is now the third most common non-malicious insider action detected in data loss prevention (DLP) datasets, up fourfold year over year. Source code is the most common data type submitted to unsanctioned GenAI tools, followed by images and structured data. In 3.2% of DLP policy violations, research and technical documentation went to external AI systems, a direct intellectual property exposure.

9. 60-70% of known exploited vulnerabilities remain open at day 7, regardless of maturity

The most sobering number in the report: by day 7 after detection, an aggressive target by any standard, 60% to 70% of CISA KEV vulnerabilities remain unpatched. That figure has barely moved across three years of additional tooling, process investment, and regulatory pressure.

Verizon DBIR vulnerability remediation survival curve, 2022-2025, showing the declining share of unpatched CISA KEV vulnerabilities at day 7, day 28, and day 90 from initial detection — CISA KEV vulnerability survival analysis: four-year comparison (source: *DBIR 2026*)

Verizon's team calls this a speed of light limit, a practical ceiling on how fast vulnerability remediation can move at current resource levels. Even top-performing organizations fix at most 30-40% of KEV instances in the first week.

Prioritization now decides the outcome: which vulnerability gets patched first matters more than how many get patched. Ranking by actual exploitation activity beats relying on CVSS (Common Vulnerability Scoring System) scores alone. Nearly half of KEV vulnerabilities show persistent exploitation, active on 96% of days on average, according to the report.

10. 89% of organizations still ship memory safety vulnerabilities

The DBIR's Common Weakness Enumeration (CWE) analysis found that 89% of organizations had to patch memory safety issues, buffer overflows, use-after-free bugs, out-of-bounds reads, three decades after Smashing the Stack for Fun and Profit first described the class of bug in Phrack in 1996. The report's own framing: "What are we still doing here?"

The top five CWE categories, memory safety, access control, resource lifecycle management, improper neutralization, and file handling, showed up in more than 75% of organizations. When these flaws surface during development, the median time to fix half of them runs six to seven months.

For teams that build or procure software, that argues for memory-safe languages (Rust, Go, C#) in development standards, an approach the DBIR explicitly ties to CISA's Secure by Design initiative. The cheapest patch is the vulnerability that never ships.

Verizon 2026 DBIR: The numbers at a glance

The tables below summarize the categories not covered in depth above, useful as a quick reference against your own metrics.

Breach patterns, three-year trend

Pattern	2026	2025	2024
System intrusion	61%	53%	36%
Social engineering	17%	17%	22%
Basic web application attacks	10%	18%	9%
Miscellaneous errors	8%	12%	25%
Privilege misuse	3%	7%	8%

Actors, motives, and impact

Metric	2026 value
External actors	88% of breaches
Internal actors	12% (down from 18%)
State-affiliated actors	~15% of breaches
Confirmed data disclosure	82% of incidents
Integrity impact	64% of incidents
Availability impact	53% of incidents

Assets and infrastructure exposure

Servers remain the top target, followed by person as a social engineering target. Network devices rose sharply and are now roughly tied with user devices at around 5% each. Verizon's researchers also identified 45,000-50,000 end-of-life cellular routers with publicly accessible management interfaces in operational technology-adjacent sectors, a finding worth flagging to any team managing remote industrial infrastructure.

Three strategic shifts the 2026 DBIR demands

The 2026 DBIR calls for a faster, better-prioritized version of the security program most organizations already run. Patching, MFA, credential hygiene, vendor oversight, and security awareness all still work. The problem is that threat volume has outgrown most teams' capacity to respond at the same pace.

The 2026 DBIR points to three shifts in priority: speed over completeness, third-party visibility over point-in-time trust, and AI-scaled defense over AI-scaled fear.

Speed matters more than completeness

You cannot patch everything, and the data proves it: even top performers fix at most 40% of critical vulnerabilities in the first week. Prioritization based on real exploitation activity, not CVSS score alone, is the only approach that scales with 527 million annual vulnerability detections.

Third parties are part of your attack surface

When nearly half of all breaches involve a third party, vendor oversight carries the same weight as internal controls. A TPRM (third-party risk management) process built on annual questionnaires cannot catch an eight-month MFA gap on a vendor's cloud console.

AI is scaling known techniques, not inventing new ones

Attackers use GenAI to run existing playbooks faster and at higher volume, according to Anthropic's analysis in the 2026 DBIR. Your existing defenses still apply. They just need to operate at the speed and scale attackers have already reached.

Credential hygiene and vendor access gaps keep showing up as root causes because nobody owns continuous visibility into who has access to what, or for how long. Try Passwork free and see how a structured vault closes that gap in your own environment.

Frequently Asked Questions

What is the Verizon 2026 DBIR?

The Verizon 2026 Data Breach Investigations Report is the 19th edition of Verizon's annual analysis of confirmed data breaches and security incidents worldwide. It draws on more than 22,000 confirmed breaches across 145 countries, contributed by nearly 100 partner organizations including incident responders, insurers, and threat intelligence firms.

What is the top initial access vector in the 2026 DBIR?

Vulnerability exploitation is the top initial access vector in the 2026 DBIR, accounting for 31% of breaches, up from 20% the year before. It overtook credential abuse, which fell from 22% to 13% over the same period.

How much do companies pay in ransomware attacks according to the 2026 DBIR?

The median ransomware payment in the 2026 DBIR is $139,875, down from $150,000 the year before. Despite ransomware appearing in 48% of all breaches, 69% of victims refused to pay, suggesting stronger backup and incident response practices.

Why did third-party breaches increase so sharply in 2026?

Third-party breaches rose to 48% of all incidents, a 60% increase in one year, largely because of unresolved MFA gaps, excessive cloud permissions, and weak vendor password practices. Only 23% of third-party organizations fully fixed MFA issues on their cloud accounts.

Are attackers actually using AI to hack organizations?

Yes. Anthropic's contribution to the 2026 DBIR found 793 threat actors using generative AI across a median of 15 MITRE ATT&CK techniques, with some campaigns spanning 40-50 techniques. Most AI-assisted attacks scaled known, well-documented techniques rather than creating novel ones.

How fast should organizations patch critical vulnerabilities?

The 2026 DBIR found that even top-performing organizations only remediate 30-40% of known exploited vulnerabilities within the first week. The recommendation is to prioritize by actual exploitation activity and asset exposure rather than aiming for full remediation, which the data shows is unrealistic at current volumes

Verizon DBIR 2026: 10 stats that should change your security strategy

Verizon's 2026 DBIR analyzed 22,000+ breaches across 145 countries. Vulnerability exploitation overtook credential abuse as the top attack vector, while ransomware, third-party risk, and AI-assisted attacks all grew sharply. Here are the 10 numbers that matter.

Cybersecurity Industry reports

Aug 1, 2026 — 16 min read

Cost of a Data Breach Report 2026: Die 6-Millionen-Dollar-KI-Bedrohung, die niemand behebt

Ein Datenleck kostet jetzt 1.100 Dollar für jede Stunde, die es unbehoben bleibt. Im Jahr 2026 dauerte die Eindämmung von Datenlecks durchschnittlich 247 Tage — was sich auf einen Rekordwert von 4,99 Millionen Dollar pro Vorfall summiert. Laut dem Cost of a Data Breach Report 2026 von IBM, erstellt mit dem Ponemon Institute auf Basis von 602 betroffenen Organisationen in 16 Ländern, zeigen die diesjährigen Daten ein zentrales Thema: KI ist zum entscheidenden Faktor in der Ökonomie von Datenlecks geworden.

Angreifer, die KI einsetzen, sind mittlerweile für 1 von 4 böswilligen Datenlecks verantwortlich (+56 % im Jahresvergleich). Verteidiger, die KI umfassend nutzen, sparen 1,93 Millionen Dollar pro Vorfall. Beide Aussagen treffen gleichzeitig zu, und die Lücke zwischen ihnen ist die eigentliche Geschichte. Dieser Artikel übersetzt die Kernzahlen des Berichts in Entscheidungen, die ein CISO in eine Budgetbesprechung mitbringen kann — nicht nur eine Zusammenfassung der Ergebnisse.

Wichtige Statistiken im Überblick

Globale durchschnittliche Kosten eines Datenlecks: 4,99 Mio. $ (+12 % im Jahresvergleich). Jedes ungelöste Datenleck verursacht etwa 1.100 $/Stunde.
Durchschnittliche Kosten eines Datenlecks in den USA: 11,5 Mio. $ (+11 % im Jahresvergleich). Regulatorische und geschäftliche Kosten in den USA liegen beim 2,3-fachen des globalen Durchschnitts.
KI-gesteuerte Angriffe: 1 von 4 böswilligen Datenlecks (+56 % im Jahresvergleich). Angreifer übernehmen KI schneller als Verteidiger in den Bereichen, die am wichtigsten sind.
Durchschnittliche Zeit bis zur Identifizierung und Eindämmung: 247 Tage, eine Umkehr nach 5 Jahren des Rückgangs. Fünf Jahre Fortschritt bei der Eindämmung wurden in einem einzigen Zyklus zunichte gemacht.
Einsparungen durch Sicherheits-KI und Automatisierung: 1,93 Mio. $. Umfassender KI-Einsatz senkt die Kosten eines Datenlecks um etwa ein Drittel.
Die 85 %-Erkenntnis: 85 % der Organisationen erhöhten ihre Sicherheitsausgaben nach einer Demo eines Frontier-KI-Modells, verglichen mit 64 % nach einem tatsächlichen Datenleck. Die Angst vor zukünftigen Bedrohungen überwiegt nun die Erinnerung an reale Vorfälle.
Die 18 %-Schwachstellenlücke: Die Hälfte der betroffenen Organisationen setzt KI-Agenten in ihrem SOC ein, aber nur 18 % nutzen sie für das Schwachstellenmanagement. Verteidiger setzen KI überall ein — außer an der Eingangstür, die Angreifer nutzen.
Das Zugriffskontroll-Desaster: 92 % der von KI betroffenen Organisationen hatten keine ordnungsgemäßen KI-Zugriffskontrollen. IAM ist der zweiteffektivste Kostenreduzierer in der Studie, und die meisten Unternehmen wenden es immer noch nicht auf ihre KI-Systeme an.

Was ist der IBM Cost of a Data Breach Report 2026

Der IBM Cost of a Data Breach Report 2026 ist die 21. jährliche Ausgabe der Flaggschiff-Studie von IBM zur Ökonomie von Datenlecks. Er basiert auf Interviews mit 602 Organisationen in 16 Ländern und 17 Branchen, die zwischen März 2025 und Februar 2026 ein Datenleck erlitten haben, sowie einer Folgestudie vom Mai 2026 mit 456 derselben Befragten.

Ein wichtiger Vorbehalt vorab: Die Stichprobe ist nicht statistisch, daher gelten Fehlermargen nicht im traditionellen Sinne, und sie tendiert zu Organisationen mit ausgereifteren Sicherheitsprogrammen, die bereit sind, teilzunehmen. Die Zahlen sollten als richtungsweisende Benchmarks für die Planung betrachtet werden, nicht als versicherungsmathematische Vorhersagen für Ihre spezifische Organisation.

Was ist neu im IBM Cost of a Data Breach Report 2026

Die diesjährige Ausgabe ist die erste, die den Einsatz von agentischer KI innerhalb von Security Operations Centers (SOCs) misst, die erste, die die Bereitschaft für Post-Quanten-Kryptografie verfolgt, und die erste, die auf einer Folgestudie basiert, die durch ein Live-KI-Bedrohungsereignis ausgelöst wurde.

Die ursprünglichen Interviews endeten im Februar 2026. Zwei Monate später veränderte Anthropics Claude Mythos-Vorschau die Bedrohungswahrnehmung. IBM und Ponemon befragten im Mai 2026 456 ursprüngliche Teilnehmer mit einer direkten Frage: Hat dies Ihre Ausgabenpläne verändert?

Die Antwort brachte das hervor, was dieser Artikel als die 85 %-Erkenntnis bezeichnet: Ein echtes Datenleck überzeugte 64 % der Organisationen, ihre Sicherheitsausgaben zu erhöhen, aber die Nachricht über die Fähigkeiten eines Frontier-KI-Modells überzeugte 85 %. Die Angst vor einer zukünftigen Bedrohung überwog die Erinnerung an einen tatsächlichen Vorfall.

Vier weitere Premieren definieren das Jahr:

Die durchschnittliche Zeit bis zur Identifizierung und Eindämmung (MTTI/MTTC) stieg nach fünf Jahren kontinuierlicher Verbesserung.
Shadow-KI-Vorfälle verdoppelten sich auf 43 % aller KI-bezogenen Vorfälle.
Ein Viertel der Organisationen nutzt überhaupt keine KI oder Automatisierung in der Sicherheit.
Der Bericht misst zum ersten Mal genau, welche SOC-Funktionen Organisationen KI-Agenten zuweisen. Diese Aufschlüsselung ist das, was dieser Artikel als die 18 %-Schwachstellenlücke bezeichnet, die unten behandelt wird.

Das 4,99-Millionen-Dollar-Datenleck: Globale Kosten erreichen Rekordwert

Die globalen durchschnittlichen Kosten eines Datenlecks erreichten 2026 mit 4,99 Millionen Dollar einen Allzeit-Höchststand — ein Anstieg von 12 %, der hauptsächlich durch Aufwendungen für Erkennung und Eskalation sowie Kosten durch Geschäftsverluste getrieben wurde, die zusammen 63 % der Gesamtsumme ausmachten. Regulatorische Strafen, der Posten, auf den sich die meisten Vorstände fixieren, haben in der Gesamtsumme weniger Gewicht als Forensik, Krisenmanagement, Ausfallzeiten und Kundenabwanderung zusammen.

Nach einem Rückgang auf 4,44 Mio. $ im Jahr 2025 stiegen die Kosten 2026 wieder auf 4,99 Mio. $ an, machten ein Jahr des Fortschritts zunichte und erreichten einen neuen Rekord.

Liniendiagramm, das die globalen durchschnittlichen Kosten eines Datenlecks von 2019 bis 2026 zeigt, mit einem Anstieg von 3,92 Millionen Dollar auf einen Rekordwert von 4,99 Millionen Dollar, IBM Cost of a Data Breach Report 2026

Die Dauer eines Datenlecks erhöht die Kosten direkt. Vorfälle, deren Behebung länger als 200 Tage dauerte, kosteten Organisationen durchschnittlich 5,65 Millionen Dollar, verglichen mit 4,32 Millionen Dollar für Datenlecks, die schneller eingedämmt wurden.

Land für Land: Wo Datenlecks am meisten kosten

Die Vereinigten Staaten brachen ihren eigenen Rekord mit durchschnittlichen Kosten für ein Datenleck von 11,5 Millionen Dollar — mehr als das Doppelte des globalen Durchschnitts und ein Anstieg von 11 % gegenüber dem Vorjahr, getrieben durch höhere regulatorische Strafen und Kosten durch Geschäftsunterbrechungen. Kein anderes Land kommt der US-Zahl nahe, aber die regionale Verteilung erzählt ihre eigene Geschichte.

Land / Region	Durchschnittskosten 2026	Veränderung im Jahresvergleich
Vereinigte Staaten	11,5 Mio. $	+11 %
Naher Osten	8,0 Mio. $	—
Benelux	7,37 Mio. $	+16 %
Kanada	5,20 Mio. $	—
Deutschland	4,93 Mio. $	+18 %
Vereinigtes Königreich	4,17 Mio. $	—
Südafrika	3,04 Mio. $	+22 %

Südafrika verzeichnete mit 22 % den größten prozentualen Anstieg in der Studie, obwohl die absoluten Kosten unter dem globalen Durchschnitt liegen. Diese Kombination — eine niedrige Basis, die schnell steigt — signalisiert in der Regel einen Markt, in dem die Sicherheitsausgaben nicht mit der Digitalisierung Schritt gehalten haben (nicht einen, in dem Datenlecks besonders schwerwiegend geworden sind). Benelux hingegen gehört bereits zu den Ländern mit den höchsten Kosten pro Vorfall weltweit und wuchs dennoch um 16 %.

KI-gesteuerte Angriffe steigen um 56 %: Die Zahlen hinter der Schlagzeile

KI-gesteuerte Angriffe machen jetzt mehr als 1 von 4 böswilligen Datenlecks aus — ein Anstieg von 56 % gegenüber dem Vorjahr — und erhöhen die durchschnittlichen Kosten eines Datenlecks um etwa 1 Million Dollar, wodurch KI-gestützte Vorfälle auf 6,04 Millionen Dollar steigen.

Aufschlüsselung der Angriffstypen

Bei der Aufschlüsselung der Angriffstypen zeigt sich ein klares Muster. Angreifer automatisieren die Social-Engineering- und Malware-Entwicklungsschritte, die früher qualifizierte menschliche Arbeitszeit erforderten.

KI-Deepfake-Imitation: 45 % der KI-gestützten Angriffe, die größte Einzelkategorie
KI-generierte Malware: 19 %
KI-generiertes Phishing oder andere Kommunikation: 17 %

Konzentration auf kritische Infrastruktur

Kritische Infrastruktur absorbierte den konzentrierten Schaden: 62 % der KI-gesteuerten Angriffe in der Studie trafen diese Sektoren, wobei Finanzdienstleistungen (durchschnittlich 6,29 Mio. $) und Energie (durchschnittlich 5,24 Mio. $) den größten Anteil trugen.

Hinweis: IBM hat nicht veröffentlicht, welche seiner 17 Branchenkategorien als kritische Infrastruktur eingestuft werden, sodass die 62 %-Zahl die Sektorgruppe als Ganzes beschreibt, anstatt Finanzdienstleistungen und Energie speziell zu isolieren. Betrachten Sie sie als richtungsweisend, nicht als präzise Zuordnung.

Angriffe auf KI-Systeme selbst

Angreifer gehen auch direkt gegen KI-Systeme vor, und beide unten genannten Zahlen liegen über dem globalen Durchschnitt aller Ursachen, was zeigt, dass es sich dabei nicht mehr um Randerscheinungen handelt.

KI-Modellinversionsangriffe (ein Angreifer rekonstruiert sensible Trainingsdaten aus einem eingesetzten Modell): durchschnittlich 6,07 Mio. $
Prompt-Injection-Angriffe (bösartige Eingaben manipulieren das Verhalten eines Modells): durchschnittlich 5,89 Mio. $

Die 18 %-Lücke: Wo Verteidiger das KI-Wettrüsten verlieren

Die Hälfte der betroffenen Organisationen setzte KI-Agenten in ihren SOCs ein, aber nur 18 % richteten sie auf das Schwachstellenmanagement aus. Dies ist die 18 %-Schwachstellenlücke: Verteidiger setzen KI überall ein, außer dort, wo Angreifer eindringen.

Wohin SOC-Agenten tatsächlich gehen

Die meisten SOC-Agenten-Einsätze konzentrierten sich auf Erkennung und Reaktion, nicht auf die Eingangstür, die Angreifer nutzen:

Threat Hunting: 56 %
Reaktion und Eindämmung: 54 %
Schwachstellen-Scanning und -Management: 18 %

Das Schwachstellenmanagement — die unspektakuläre Arbeit, Lücken zu finden und zu schließen, durch die Angreifer eindringen — erhielt die geringste Aufmerksamkeit, obwohl genau hier Frontier-KI-Modelle die Mathematik am schnellsten zu verändern drohen.

Warum die Lücke jetzt gefährlich ist

Im April 2026 stellte Anthropic Claude Mythos vor, ein Frontier-Modell, das während der Tests Tausende von Schwachstellen mit hohem Schweregrad in wichtigen Betriebssystemen und Browsern identifizierte. Die Forschung des Frontier Red Teams von Anthropic bezifferte die Kosten für die Entwicklung eines funktionierenden Exploits aus einer entdeckten Schwachstelle auf unter 1.000 bis 2.000 Dollar, erreichbar in weniger als einem Tag.

Die Branche reagiert bereits

Die Befragten von IBM selbst erkannten die Diskrepanz im Nachhinein, nach der Mythos-Ankündigung:

74 % der Organisationen gaben an, ihre KI-Agenten-Einsatzstrategie im SOC überdacht zu haben
Der geplante Einsatz von Agenten für das Schwachstellenmanagement stieg von 18 % auf 37 % in der erklärten Absicht

Übersetzung für den Vorstand: Wenn Ihr SOC KI-Agenten hat, aber keiner von ihnen nach Schwachstellen scannt, betreiben Sie dieselbe defensive Haltung wie eine Organisation ohne KI — gegen Angreifer, die diese Einschränkung nicht mehr haben.

Die Branchenaufschlüsselung: Gesundheitswesen, Finanzwesen und die größten Veränderungen

Das Gesundheitswesen blieb im 13. Jahr in Folge die teuerste Branche für Datenlecks mit 6,64 Millionen Dollar, obwohl es der einzige Sektor war, in dem die Kosten sanken — um 10,5 % von 7,42 Millionen Dollar im Jahr 2025.

Branche	Durchschnittskosten 2026	Veränderung im Jahresvergleich
Gesundheitswesen	6,64 Mio. $	−10,5 %
Finanzdienstleistungen	6,29 Mio. $	+13 %
Industrie	5,50 Mio. $	—
Technologie	5,50 Mio. $	—
Unterhaltung	5,38 Mio. $	+18 %
Kommunikation	4,71 Mio. $	+20 %

Kommunikation verzeichnete mit 20 % den steilsten Anstieg in der gesamten Studie, gefolgt von Unterhaltung mit 18 %. Finanzdienstleistungen stiegen um 13 % auf 6,29 Millionen Dollar und setzten einen mehrjährigen Aufwärtstrend fort, der den Abstand zum Gesundheitswesen größtenteils geschlossen hat. Kunden-PII tauchten in 52 % der Datenlecks auf, mit durchschnittlich 192 Dollar pro Datensatz. Der Diebstahl von geistigem Eigentum war seltener, in 32 % der Datenlecks, aber mit 196 Dollar pro Datensatz der teuerste Datentyp.

Der Rückgang im Gesundheitswesen verbirgt eine Verschiebung: Angriffe verlagern sich auf Lieferanten statt auf direkte Ziele. Niedrigere Kosten pro Datenleck bedeuten nicht geringeres Gesamtrisiko, wenn Lieferkettenvorfälle zunehmen.

Phishing, einschließlich sprach- und SMS-basierter Varianten, blieb im vierten Jahr in Folge der führende anfängliche Angriffsvektor — beteiligt an 17 % der Datenlecks und mit durchschnittlichen Kosten von 5,29 Millionen Dollar, den höchsten unter allen Vektoren.

Angriffsvektor	Anteil an Datenlecks	Durchschnittskosten
Phishing (inkl. Vishing/Smishing)	17 %	5,29 Mio. $
Social Engineering	13 %	5,23 Mio. $
Missbrauch gültiger Konten	—	5,07 Mio. $
Lieferkettenkompromittierung	—	258 Tage bis zur Identifizierung und Eindämmung

Woher Datenlecks stammen

Böswillige und kriminelle Angriffe machten 55 % aller Datenlecks aus — ein Anstieg um 8 Prozentpunkte im Jahresvergleich — vor zwei anderen Ursachen:

Menschliches Versagen: 23 %
IT-Ausfälle: 22 %

Warum Lieferkettenangriffe so lange unentdeckt bleiben

Lieferkettenkompromittierungen und Wechselmedien benötigten durchschnittlich 258 Tage zur Identifizierung und Eindämmung — deutlich über dem Gesamtdurchschnitt von 247 Tagen. Beide tauchen weder zuverlässig in Malware-Scans noch im eingehenden Netzwerkverkehr auf, was die Erkennungszeit über die Norm für jeden anderen Vektor hinaus verlängert.

Warum Sprach- und SMS-Phishing mehr kosten

Phishing und Social Engineering konvergieren auf dasselbe Ziel: Zugang zu Anmeldedaten. Sprach- und SMS-Phishing kosten mehr, gerade weil ein erfolgreicher Anruf oder eine erfolgreiche SMS Angreifern oft direkten Zugang zu höherwertigen Systemen verschafft und den Malware-Bereitstellungsschritt vollständig überspringt.

Der Lebenszyklus eines Datenlecks: 247 Tage und warum sich die Uhr umkehrte

Die durchschnittliche Zeit bis zur Identifizierung und Eindämmung eines Datenlecks stieg auf 247 Tage — ein Anstieg von 2,5 %, der fünf Jahre stetiger Verbesserung umkehrte. Interne Sicherheitsteams übertreffen weiterhin den Durchschnitt und beheben Datenlecks 15 % schneller — in 209 Tagen.

Diagramm zur Reaktionszeit bei Datenlecks

Wer das Datenleck findet und wie lange es dauert

Wer das Datenleck findet, verändert den Zeitrahmen erheblich:

Entdeckungsmethode	Zeit bis zur Identifizierung und Eindämmung	Anteil an Datenlecks
Interne Sicherheitsteams	209 Tage	38 %
Managed Security Service Provider (MSSPs)	230 Tage	31 %
Offenlegung durch Angreifer	268 Tage	17 %
Offenlegung durch Dritte	281 Tage	—

Die unangenehme Zahl in dieser Tabelle

Die Offenlegung durch Angreifer ist die schlechteste Entdeckungsmethode, und sie ist nicht selten. Interne Teams und MSSPs zusammen entdeckten 69 % der Datenlecks. Die Offenlegung durch Angreifer machte 17 % aus, was bedeutet, dass fast 1 von 5 betroffenen Organisationen von den Personen erfuhr, die sie angriffen.

Ransomware entwickelt sich: Von Verschlüsselung zu Reputationserpressung

Ransomware war an 39 % der Datenlecks beteiligt — ein Anstieg von 34 % im Vorjahr — wobei 41 % dieser Angriffe jetzt Drohungen zur Schädigung der Markenreputation beinhalten. Dies spiegelt eine Verschiebung von rein technischer Störung hin zu mehrschichtiger Erpressung wider, die auf Vertrauen und öffentliche Wahrnehmung abzielt.

Dateien zu verschlüsseln und eine Zahlung für einen Entschlüsselungsschlüssel zu fordern, war früher das gesamte Spielbuch. Die Drohung, ein Datenleck gegenüber Kunden, Regulierungsbehörden und der Presse öffentlich zu machen — unabhängig davon, ob die Verschlüsselung erfolgreich war — fügt einen zweiten Druckpunkt hinzu, der nicht von der Backup-Qualität abhängt. Eine Organisation mit einwandfreien Backups kann ihre Systeme in Stunden wiederherstellen und dennoch mit einer Reputationserpressungsforderung konfrontiert werden, der sie technisch nicht entkommen kann.

Sicherheits-KI und Automatisierung: Die 1,93-Millionen-Dollar-Verteidigung

Organisationen, die Sicherheits-KI und Automatisierung umfassend einsetzten, reduzierten die durchschnittlichen Kosten eines Datenlecks um 1,93 Millionen Dollar und verkürzten die Lebenszyklen von Datenlecks um 65 Tage im Vergleich zu denen ohne KI oder Automatisierung — eine Kostenreduzierung von etwa 33 %, die auch die Eindämmungszeit um fast ein Viertel verkürzt.

Nutzungsgrad KI/Automatisierung	Durchschnittliche Kosten eines Datenlecks	Anteil der Organisationen
Umfassende Nutzung	4,00 Mio. $	36 %
Eingeschränkte Nutzung	5,05 Mio. $	39 %
Keine Nutzung	5,93 Mio. $	25 %

Eine von vier Organisationen in der Studie nutzt überhaupt keine KI oder Automatisierung in ihren Sicherheitsoperationen. Dieses Viertel der Stichprobe zahlt fast 2 Millionen Dollar mehr pro Vorfall als die Gruppe mit umfassender Nutzung — für eine Fähigkeitslücke, die lange genug existiert, um einen gut dokumentierten Return on Investment zu haben.

Das Zugriffskontroll-Desaster: 92 % der von KI betroffenen Organisationen hatten keine

Unter den Organisationen, die ein KI-bezogenes Datenleck erlebten, fehlten 92 % ordnungsgemäße KI-Zugriffskontrollen — obwohl Identity and Access Management (IAM) als zweiteffektivster Kostenreduzierer in der gesamten Studie rangiert, mit 225.622 Dollar Einsparungen pro Datenleck. Nur 40 % der Organisationen erweitern irgendwelche Zugriffskontrollen auf ihre KI-Modelle und die Daten, die diese Modelle berühren.

Top-Kostenreduzierer im Kontext

DevSecOps-Praktiken: 253.805 Dollar Einsparung pro Datenleck, der effektivste Reduzierer in der Studie
Identity and Access Management: 225.622 Dollar Einsparung pro Datenleck, knapp dahinter

Die Schwäche, die beide KI-Angriffstypen ausnutzen

Modellinversionsangriffe (durchschnittlich 6,07 Mio. $) und Prompt-Injection-Angriffe (durchschnittlich 5,89 Mio. $) zielen auf dieselbe zugrunde liegende Schwäche ab: Zugriff, der von Anfang an nie eng genug eingeschränkt war. Keiner der beiden Angriffe erfordert das Brechen von Verschlüsselung oder das Umgehen einer Firewall. Beide benötigen nur ein Modell — oder einen Prompt-Pfad dorthin — mit größerer Reichweite als die Aufgabe erfordert.

Warum dies über KI-Systeme hinaus wichtig ist

Hier werden grundlegende Identity-Praktiken kritisch. Für ein Sicherheitsteam, das Tausende von Anmeldedaten über On-Prem-Systeme, Cloud-Dienste und SaaS-Tools verwaltet, ist die IAM-Einsparungszahl nicht abstrakt. Es ist der Unterschied zwischen einem 247-Tage-Lebenszyklus eines Datenlecks und einem 209-Tage-Lebenszyklus.

Sicherheitsteams, die Anmeldedaten über menschliche und nicht-menschliche Identitäten verwalten — einschließlich API-Schlüssel, Service-Konten und KI-Agenten-Anmeldedaten — benötigen zentralisierte Zugriffsgovernance mit Rotation, Auditing und rollenbasierten Kontrollen, um die Lücke zu schließen, die 92 % der betroffenen Organisationen offen gelassen haben.

Die 92 %-Lücke zu schließen beginnt damit zu wissen, wer — oder was — Zugriff auf welche Anmeldedaten hat. Starten Sie Ihre kostenlose Testversion von Passwork und sehen Sie, wie Berechtigungen für menschliche und nicht-menschliche Identitäten gleichermaßen eingegrenzt werden.

Shadow-KI, nicht-menschliche Identitäten und Post-Quanten: Die drei aufkommenden Bedrohungen

Drei erstmalige Erkenntnisse aus 2026 definieren den vorausschauenden Abschnitt des Berichts: Shadow-KI-Vorfälle verdoppeln sich, die Sicherheit nicht-menschlicher Identitäten hinkt der KI-Adoption hinterher, und die Post-Quanten-Kryptografie-Bereitschaft ist weiterhin selten.

Shadow-KI

Shadow-KI — also KI-Tools, die Mitarbeiter ohne Sicherheitsgenehmigung einsetzen — machte 2026 43 % der KI-bezogenen Vorfälle aus, mehr als das Doppelte der im Vorjahr verzeichneten 20 %. Etwa einer von fünf dieser Vorfälle führte zu einer regulatorischen Strafe, und nur etwa ein Drittel der Organisationen setzt strenge Genehmigungsprozesse für die interne Bereitstellung von KI-Tools durch.

Nicht-menschliche Identitäten

Weniger als die Hälfte der Organisationen (46 %) gibt an, nicht-menschliche Identitäten wie API-Schlüssel, Service-Konten und Maschinenanmeldedaten innerhalb ihrer KI-Workflows zu sichern, was eine wachsende Angriffsfläche schafft, während KI-Agenten sich in Unternehmensumgebungen ausbreiten.

Von diesen 46 % wenden 55 % Maschinenidentitäts-Lifecycle-Management an, 39 % nutzen dediziertes Secrets Management, 36 % führen Verhaltensüberwachung für nicht-menschliche Konten durch, und 30 % wenden speziell für diese rollenbasierte Zugriffskontrolle an.

Post-Quanten-Kryptografie

Nur 26 % der betroffenen Organisationen haben ein Post-Quanten-Kryptografie-Projekt laufen, und 61 % fehlen Kontrollen zur Überwachung und Sicherung kryptografischer Assets insgesamt, was sie „Harvest Now, Decrypt Later"-Angriffen aussetzt, während die Quantencomputing-Fähigkeiten voranschreiten. Heute verschlüsseln nur 37 % sensible Daten umfassend im Ruhezustand und bei der Übertragung — eine grundlegende Lücke, die jeder Quantenbedenken vorausgeht.

IBMs vier Empfehlungen — übersetzt in Maßnahmen

IBMs Empfehlungen konzentrieren sich auf einen Imperativ: Die Lücke zwischen KI-beschleunigten Angriffen und Verteidigung in menschlicher Geschwindigkeit zu schließen — durch den Einsatz agentischer KI für das Schwachstellenmanagement, die Verlagerung von Identity auf kontinuierliche Verifizierung, die Etablierung von KI-Souveränität und den Beginn des Übergangs zur Post-Quanten-Kryptografie.

Sicherheit mit der Geschwindigkeit von Angriffen betreiben. IBM formuliert dies als Schließung der Reaktionszeitlücke. In der Praxis bedeutet dies, in diesem Quartal mindestens einen KI-Agenten für Schwachstellen-Scanning in Ihrer CI/CD-Pipeline einzusetzen, nicht nur für die Bedrohungserkennung.
Identity Security auf kontinuierliche, Laufzeit-Verifizierung umstellen. Dies wendet Zero-Trust-Prinzipien auf Maschinen ebenso wie auf Menschen an. Beginnen Sie damit, jede nicht-menschliche Identität zu auditieren, die einen KI-Workflow berührt, und bewegen Sie sich in Richtung Just-in-Time-Zugriff anstelle von dauerhaften Anmeldedaten.
KI-Kontrolle durch KI-Souveränität stärken. IBMs Sprache umfasst umfassende Sicherheit über Daten, Anwendungen, Identitäten und Cloud hinweg. Der erste konkrete Schritt ist, jeden Ort zu kartieren, an dem ein KI-Modell sensible Daten berührt, und dort speziell Zugriffskontrollen anzuwenden.
Auf Post-Quanten-Sicherheitsrisiken vorbereiten. Da 61 % der Organisationen grundlegende kryptografische Asset-Kontrollen fehlen, ist der Ausgangspunkt eine Inventur: Welche Systeme verlassen sich noch auf RSA oder ECC, und welche davon schützen Daten mit langer Vertraulichkeitsdauer.

Was das für Ihr Team bedeutet

Der Bericht von IBM aus dem Jahr 2026 beschreibt asymmetrische Beschleunigung. Angreifer übernehmen KI schneller in den Bereichen, die am meisten schaden, während Verteidiger ihre besten Tools überall einsetzen — außer an der Eingangstür. Die 18 %-Schwachstellenlücke, die 92 %-Zugriffskontroll-Ausfallrate und die 85 %-Erkenntnis weisen alle auf dieselbe Schlussfolgerung hin: Die Gleichung der Datenleck-Ökonomie hat sich verschoben, und Geschwindigkeit ist jetzt die Variable, die das Ergebnis entscheidet.

Für Sicherheitsteams bleibt Identity das Schlachtfeld. Da IAM als zweiteffektivster Kostenreduzierer rangiert und 92 % der von KI betroffenen Organisationen Zugriffskontrollen fehlten, ist zentralisiertes Credential Management für menschliche und nicht-menschliche Identitäten ein direkter finanzieller Hebel.

Passwork bietet Enterprise-Teams rollenbasierte Zugriffskontrolle, automatisierte Credential-Rotation und auditierte Tresor-Zugriffe — die Art von Identity Governance, die genau die Lücken schließt, die dieser Bericht quantifiziert.

Wenn Ihre Organisation privilegierte Anmeldedaten immer noch über Tabellenkalkulationen, gemeinsam genutzte Konten oder API-Schlüssel verwaltet, die seit einem Jahr niemand rotiert hat, läuft die 1.100-Dollar-pro-Stunde-Datenleck-Uhr bereits irgendwo in Ihrer Umgebung.

Jeder nicht rotierte API-Schlüssel und jedes gemeinsam genutzte Konto ist ein Posten im Datenleck-Bericht des nächsten Jahres. Sehen Sie, wie Passwork Zugriffskontrolle, Rotation und Audit-Logging für menschliche und nicht-menschliche Identitäten gleichermaßen zentralisiert — fordern Sie eine kostenlose Demo an.

Häufig gestellte Fragen

Was sind die durchschnittlichen Kosten eines Datenlecks im Jahr 2026?

Laut dem IBM Cost of a Data Breach Report 2026 erreichten die globalen Durchschnittskosten einen Rekordwert von 4,99 Millionen Dollar — ein Anstieg von 12 % gegenüber 2025. In den Vereinigten Staaten lag der Durchschnitt bei 11,5 Millionen Dollar, mehr als das Doppelte der globalen Zahl. Die Kosten eines Datenlecks umfassen Erkennung, Eskalation, Benachrichtigung, Reaktion nach dem Datenleck und entgangene Geschäfte.

Wie stark haben KI-gesteuerte Angriffe zugenommen?

KI-gesteuerte Angriffe stiegen im Jahresvergleich um 56 % und machen jetzt mehr als einen von vier böswilligen Datenlecks aus. Diese KI-gestützten Vorfälle kosten durchschnittlich 6,04 Millionen Dollar, etwa 1 Million Dollar mehr als böswillige Datenlecks ohne KI-Beteiligung.

Welche Branchen haben die höchsten Kosten für Datenlecks?

Das Gesundheitswesen führt die Liste im 13. Jahr in Folge mit 6,64 Millionen Dollar an, gefolgt von Finanzdienstleistungen (6,29 Mio. $), Industrie und Technologie (beide 5,50 Mio. $) sowie Unterhaltung (5,38 Mio. $). Das Gesundheitswesen war der einzige Sektor, in dem die Kosten im Jahresvergleich sanken.

Reduziert Sicherheits-KI tatsächlich die Kosten eines Datenlecks?

Ja. Organisationen, die KI und Automatisierung umfassend in Sicherheitsoperationen einsetzen, reduzierten die Kosten eines Datenlecks um 1,93 Millionen Dollar und dämmten Datenlecks im Durchschnitt 65 Tage schneller ein als diejenigen ohne KI oder Automatisierung — eine Kostenreduzierung von etwa 33 %.

Was ist die häufigste Ursache für Datenlecks?

Phishing, einschließlich sprach- und SMS-basierter Angriffe, blieb im vierten Jahr in Folge der führende anfängliche Angriffsvektor — beteiligt an 17 % der Datenlecks und mit durchschnittlichen Kosten von 5,29 Millionen Dollar, den höchsten unter allen im Bericht erfassten Angriffsvektoren.

Cost of a Data Breach Report 2026: Die 6-Mio.-Dollar-KI-Bedrohung, die niemand behebt

Weltweit erreichen Breach-Kosten 2026 ein Rekordhoch von $4.99M, die Erkennung dauert 247 Tage. KI-Angriffe steigen um 56% — doch die eigentliche Krise: Verteidiger setzen KI überall ein, außer dort, wo Angreifer eindringen. 92% der KI-Breaches hatten keine Zugriffskontrollen.

Cybersecurity Industry reports

Aug 1, 2026 — 18 min read

Informe del costo de una filtración de datos 2026: La amenaza de $6M de la IA que nadie está solucionando

Una filtración de datos ahora cuesta $1,100 por cada hora que permanece sin resolver. En 2026, las filtraciones tardaron un promedio de 247 días en contenerse — sumando un récord de $4.99 millones por incidente. Según el Informe del costo de una filtración de datos 2026 de IBM, producido con el Ponemon Institute a partir de 602 organizaciones afectadas en 16 países, los datos de este año revelan un tema crítico: la IA se ha convertido en el factor decisivo en la economía de las filtraciones.

Los atacantes que usan IA ahora representan 1 de cada 4 filtraciones maliciosas (+56% interanual). Los defensores que usan IA extensivamente ahorran $1.93 millones por incidente. Ambas afirmaciones son ciertas simultáneamente, y la brecha entre ellas es la verdadera historia. Este artículo traduce las cifras principales del informe en decisiones que un CISO puede llevar a una reunión de presupuesto, no solo un resumen de los hallazgos.

Estadísticas clave de un vistazo

Costo promedio global de una filtración: $4.99M (+12% interanual). Cada filtración sin resolver drena aproximadamente $1,100/hora.
Costo promedio de una filtración en EE. UU.: $11.5M (+11% interanual). Los costos regulatorios y comerciales en EE. UU. son 2.3 veces el promedio global.
Ataques impulsados por IA: 1 de cada 4 filtraciones maliciosas (+56% interanual). Los atacantes están adoptando la IA más rápido que los defensores en las áreas más importantes.
Tiempo medio para identificar y contener: 247 días, una reversión después de 5 años de descenso. Cinco años de progreso en contención eliminados en un solo ciclo.
Ahorros por IA y automatización de seguridad: $1.93M. El despliegue extensivo de IA reduce los costos de filtración en aproximadamente un tercio.
El ajuste de cuentas del 85%: el 85% de las organizaciones aumentaron el gasto en seguridad después de una demostración de un modelo de IA de frontera, frente al 64% después de una filtración real. El miedo a las amenazas futuras ahora supera el recuerdo de los incidentes reales.
La brecha del 18% en vulnerabilidades: la mitad de las organizaciones afectadas ejecutan agentes de IA en su SOC, pero solo el 18% los dirige a la gestión de vulnerabilidades. Los defensores despliegan IA en todas partes excepto en la puerta principal que usan los atacantes.
El desastre del control de acceso: el 92% de las organizaciones afectadas por IA no tenían controles de acceso de IA adecuados. IAM es el segundo reductor de costos más efectivo en el estudio, y la mayoría de las empresas aún no lo aplican a sus sistemas de IA.

¿Qué es el Informe del costo de una filtración de datos 2026 de IBM?

El Informe del costo de una filtración de datos 2026 de IBM es la 21ª edición anual del estudio insignia de economía de filtraciones de IBM. Se basa en entrevistas con 602 organizaciones en 16 países y 17 industrias que experimentaron una filtración entre marzo de 2025 y febrero de 2026, más un estudio de seguimiento en mayo de 2026 con 456 de esos mismos encuestados.

Una advertencia que vale la pena mencionar desde el principio: la muestra no es estadística, por lo que los márgenes de error no se aplican en el sentido tradicional, y tiende hacia organizaciones con programas de seguridad más maduros dispuestas a participar. Trate las cifras como referencias direccionales para la planificación, no como predicciones actuariales para su organización específica.

¿Qué hay de nuevo en el Informe del costo de una filtración de datos 2026 de IBM?

La edición de este año es la primera en medir el despliegue de IA agéntica dentro de los centros de operaciones de seguridad (SOC), la primera en rastrear la preparación para criptografía poscuántica, y la primera construida sobre un estudio de seguimiento desencadenado por un evento de amenaza de IA en vivo.

Las entrevistas originales se cerraron en febrero de 2026. Dos meses después, la vista previa de Claude Mythos de Anthropic cambió la percepción de amenazas. IBM y Ponemon encuestaron a 456 encuestados originales en mayo de 2026 con una pregunta directa: ¿esto cambió sus planes de gasto?

La respuesta produjo lo que este artículo llama el ajuste de cuentas del 85%: una filtración real convenció al 64% de las organizaciones de aumentar el gasto en seguridad, pero la noticia de las capacidades de un modelo de IA de frontera convenció al 85%. El miedo a una amenaza futura superó el recuerdo de un incidente real.

Cuatro otras primicias definen el año:

El tiempo medio para identificar y contener (MTTI/MTTC) aumentó después de cinco años consecutivos de mejora.
Los incidentes de Shadow AI se duplicaron al 43% de todos los incidentes relacionados con IA.
Una cuarta parte de las organizaciones todavía no usa ninguna IA o automatización en seguridad.
El informe mide, por primera vez, exactamente qué funciones del SOC asignan las organizaciones a los agentes de IA. Ese desglose es lo que este artículo llama la brecha del 18% en vulnerabilidades, cubierta más adelante.

La filtración de $4.99 millones: Los costos globales alcanzan un récord

El costo promedio global de una filtración de datos alcanzó un máximo histórico de $4.99 millones en 2026, un aumento del 12% impulsado principalmente por los gastos de detección y escalamiento y los costos de pérdida de negocio, que juntos representaron el 63% del total. Las multas regulatorias, la partida en la que más se fijan los consejos de administración, tienen menos peso en el total que la informática forense, la gestión de crisis, el tiempo de inactividad y la pérdida de clientes combinados.

Después de bajar a $4.44M en 2025, los costos se dispararon a $4.99M en 2026, borrando un año de progreso y alcanzando un nuevo récord.

Gráfico de líneas que muestra el costo promedio global de una filtración de datos de 2019 a 2026, aumentando de $3.92 millones a un récord de $4.99 millones, Informe del costo de una filtración de datos 2026 de IBM

La duración de la filtración aumenta el costo directamente. Los incidentes que tardaron más de 200 días en resolverse costaron a las organizaciones $5.65 millones en promedio, en comparación con $4.32 millones para las filtraciones contenidas más rápido.

País por país: Dónde cuestan más las filtraciones

Estados Unidos rompió su propio récord con un costo promedio de filtración de $11.5 millones, más del doble del promedio global y un aumento del 11% respecto al año pasado, impulsado por mayores multas regulatorias y costos de interrupción del negocio. Ningún otro país se acerca a la cifra de EE. UU., pero la distribución regional cuenta su propia historia.

País / región	Costo promedio 2026	Cambio interanual
Estados Unidos	$11.5M	+11%
Medio Oriente	$8.0M	—
Benelux	$7.37M	+16%
Canadá	$5.20M	—
Alemania	$4.93M	+18%
Reino Unido	$4.17M	—
Sudáfrica	$3.04M	+22%

Sudáfrica registró el mayor aumento porcentual en el estudio con un 22%, aunque su costo absoluto permanece por debajo del promedio global. Esa combinación — una base baja que crece rápidamente — generalmente indica un mercado donde el gasto en seguridad no ha seguido el ritmo de la digitalización (no uno donde las filtraciones se hayan vuelto particularmente graves). Benelux, por el contrario, ya se encuentra entre los costos por incidente más altos a nivel mundial y aún creció un 16%.

Los ataques impulsados por IA aumentan un 56%: Los números detrás del titular

Los ataques impulsados por IA ahora representan más de 1 de cada 4 filtraciones maliciosas, un aumento del 56% respecto al año pasado, y añaden aproximadamente $1 millón al costo promedio de una filtración, llevando los incidentes habilitados por IA a $6.04 millones.

Desglose por tipo de ataque

Desglose los tipos de ataque y emerge un patrón claro. Los atacantes están automatizando los pasos de ingeniería social y desarrollo de malware que antes requerían tiempo humano calificado.

Suplantación de identidad con deepfake de IA: 45% de los ataques habilitados por IA, la categoría individual más grande
Malware generado por IA: 19%
Phishing u otras comunicaciones generadas por IA: 17%

Concentración en infraestructura crítica

La infraestructura crítica absorbió el daño concentrado: el 62% de los ataques impulsados por IA en el estudio afectaron a estos sectores, con los servicios financieros ($6.29M en promedio) y energía ($5.24M en promedio) llevando la mayor parte.

Nota: IBM no ha publicado cuáles de sus 17 categorías industriales clasifica como infraestructura crítica, por lo que la cifra del 62% describe el grupo sectorial en su conjunto en lugar de aislar específicamente los servicios financieros y la energía. Trátelo como direccional, no como una atribución precisa.

Ataques a los propios sistemas de IA

Los atacantes también están atacando directamente los sistemas de IA, y ambas cifras a continuación están por encima del promedio global de todas las causas, lo que indica que ya no son curiosidades marginales.

Ataques de inversión de modelos de IA (un adversario reconstruye datos de entrenamiento sensibles a partir de un modelo desplegado): $6.07M en promedio
Ataques de inyección de prompts (una entrada maliciosa manipula el comportamiento de un modelo): $5.89M en promedio

La brecha del 18%: Dónde los defensores están perdiendo la carrera armamentista de IA

La mitad de las organizaciones afectadas desplegaron agentes de IA en sus SOC, pero solo el 18% los dirigió a la gestión de vulnerabilidades. Esta es la brecha del 18% en vulnerabilidades: los defensores despliegan IA en todas partes excepto donde los atacantes entran.

Dónde van realmente los agentes del SOC

La mayor parte del despliegue de agentes del SOC se agrupó en torno a la detección y respuesta, no en la puerta principal que usan los atacantes:

Caza de amenazas: 56%
Respuesta y contención: 54%
Escaneo y gestión de vulnerabilidades: 18%

La gestión de vulnerabilidades, el trabajo poco glamoroso de encontrar y cerrar los agujeros por los que entran los atacantes, recibió la menor atención a pesar de ser exactamente donde los modelos de IA de frontera amenazan con cambiar la ecuación más rápidamente.

Por qué la brecha es peligrosa ahora

En abril de 2026, Anthropic presentó Claude Mythos, un modelo de frontera que identificó miles de vulnerabilidades de alta gravedad en los principales sistemas operativos y navegadores durante las pruebas. La investigación del Frontier Red Team de Anthropic estimó el costo de desarrollar un exploit funcional a partir de una vulnerabilidad descubierta en menos de $1,000 a $2,000, lograble en menos de un día.

La industria ya está reaccionando

Los propios encuestados de IBM reconocieron el desajuste después del hecho, tras el anuncio de Mythos:

El 74% de las organizaciones dijeron que habían reconsiderado su estrategia de despliegue de agentes de IA en el SOC
El uso planificado de agentes para gestión de vulnerabilidades aumentó del 18% hacia el 37% en intención declarada

Traducción para el consejo: si su SOC tiene agentes de IA pero ninguno de ellos está escaneando vulnerabilidades, está ejecutando la misma postura defensiva que una organización sin IA, contra atacantes que ya no tienen esa limitación.

Desglose por industria: Sanidad, finanzas y los mayores cambios

Sanidad siguió siendo la industria más costosa para las filtraciones de datos por decimotercer año consecutivo con $6.64 millones, aunque fue el único sector que vio disminuir los costos, bajando un 10.5% desde $7.42 millones en 2025.

Industria	Costo promedio 2026	Cambio interanual
Sanidad	$6.64M	−10.5%
Servicios financieros	$6.29M	+13%
Industrial	$5.50M	—
Tecnología	$5.50M	—
Entretenimiento	$5.38M	+18%
Comunicaciones	$4.71M	+20%

Comunicaciones registró el aumento más pronunciado de todo el estudio con un 20%, seguido de entretenimiento con un 18%. Los servicios financieros subieron un 13% hasta $6.29 millones, continuando un aumento de varios años que ha cerrado la mayor parte de la brecha con sanidad. La información personal de clientes apareció en el 52% de las filtraciones, con un promedio de $192 por registro. El robo de propiedad intelectual fue menos frecuente, 32% de las filtraciones, pero fue el tipo de datos más costoso por registro con $196.

La disminución de sanidad oculta un cambio: los ataques se están moviendo hacia los proveedores en lugar de los objetivos directos. Los costos más bajos por filtración no significan menor riesgo total si los incidentes de la cadena de suministro están aumentando.

El phishing, incluyendo variantes basadas en voz y SMS, siguió siendo el principal vector de ataque inicial por cuarto año consecutivo, involucrado en el 17% de las filtraciones y costando un promedio de $5.29 millones, el más alto entre todos los vectores.

Vector de ataque	Porcentaje de filtraciones	Costo promedio
Phishing (incluyendo vishing/smishing)	17%	$5.29M
Ingeniería social	13%	$5.23M
Abuso de cuentas válidas	—	$5.07M
Compromiso de la cadena de suministro	—	258 días para identificar y contener

Dónde se originan las filtraciones

Los ataques maliciosos y criminales representaron el 55% de todas las filtraciones, un aumento de 8 puntos interanual, por delante de otras dos causas:

Error humano: 23%
Fallos de TI: 22%

Por qué los ataques a la cadena de suministro tardan tanto en detectarse

El compromiso de la cadena de suministro y los medios extraíbles tardaron un promedio de 258 días en identificarse y contenerse, muy por encima del promedio general de 247 días. Ninguno de los dos aparece de forma fiable en los escaneos de malware o el tráfico de red entrante, lo que prolonga el tiempo de detección más allá de la norma para cualquier otro vector.

Por qué el phishing por voz y SMS cuesta más

El phishing y la ingeniería social están convergiendo en el mismo objetivo: el acceso a credenciales. El phishing por voz y SMS cuesta más precisamente porque una llamada o mensaje de texto exitoso a menudo otorga a los atacantes acceso directo a sistemas de mayor valor, saltándose completamente el paso de entrega de malware.

El ciclo de vida de la filtración: 247 días, y por qué el reloj se invirtió

El tiempo medio para identificar y contener una filtración de datos aumentó a 247 días, un incremento del 2.5% que revirtió cinco años de mejora constante. Los equipos de seguridad internos aún superan el promedio, resolviendo las filtraciones un 15% más rápido, en 209 días.

Gráfico del tiempo de respuesta ante filtraciones

Quién encuentra la filtración y cuánto tarda

Quién encuentra la filtración cambia sustancialmente el cronograma:

Método de descubrimiento	Tiempo para identificar y contener	Porcentaje de filtraciones
Equipos de seguridad internos	209 días	38%
Proveedores de servicios de seguridad gestionados (MSSP)	230 días	31%
Divulgación por el atacante	268 días	17%
Divulgación por terceros	281 días	—

El número incómodo en esa tabla

La divulgación por el atacante es el peor método de descubrimiento, y no es raro. Los equipos internos y los MSSP juntos detectaron el 69% de las filtraciones. La divulgación por el atacante representó el 17%, lo que significa que casi 1 de cada 5 organizaciones afectadas se enteraron por las personas que las estaban atacando.

El ransomware evoluciona: Del cifrado a la extorsión reputacional

El ransomware estuvo involucrado en el 39% de las filtraciones de datos, frente al 34% del año pasado, con el 41% de esos ataques incluyendo ahora amenazas de dañar la reputación de la marca, reflejando un cambio de la interrupción puramente técnica hacia una extorsión multicapa que ataca la confianza y la percepción pública.

Cifrar archivos y exigir un pago por una clave de descifrado solía ser todo el manual de juego. Amenazar con publicar una filtración a clientes, reguladores y la prensa, independientemente de si el cifrado tuvo éxito, añade un segundo punto de presión que no depende de la calidad de las copias de seguridad. Una organización con copias de seguridad impecables puede restaurar sus sistemas en horas y aún enfrentarse a una demanda de extorsión reputacional de la que no puede escapar mediante ingeniería.

IA y automatización de seguridad: La defensa de $1.93 millones

Las organizaciones que desplegaron extensivamente IA y automatización de seguridad redujeron los costos promedio de filtración en $1.93 millones y acortaron los ciclos de vida de las filtraciones en 65 días en comparación con aquellas que no usan IA o automatización, una reducción de costos de aproximadamente el 33% que también recorta el tiempo de contención en casi una cuarta parte.

Nivel de uso de IA/automatización	Costo promedio de filtración	Porcentaje de organizaciones
Uso extensivo	$4.00M	36%
Uso limitado	$5.05M	39%
Sin uso	$5.93M	25%

Una de cada cuatro organizaciones en el estudio todavía no usa ninguna IA o automatización en sus operaciones de seguridad. Esa cuarta parte de la muestra está pagando casi $2 millones más por incidente que el grupo de uso extensivo, por una brecha de capacidad que ha existido el tiempo suficiente para tener un retorno de inversión bien documentado.

El desastre del control de acceso: El 92% de las organizaciones afectadas por IA no tenía ninguno

Entre las organizaciones que experimentaron una filtración relacionada con IA, el 92% carecía de controles de acceso de IA adecuados, a pesar de que la gestión de identidades y accesos (IAM) ocupa el segundo lugar como reductor de costos más efectivo en todo el estudio, con $225,622 ahorrados por filtración. Solo el 40% de las organizaciones extienden algún control de acceso a sus modelos de IA y los datos que tocan esos modelos.

Principales reductores de costos, para contexto

Prácticas de DevSecOps: $253,805 ahorrados por filtración, el reductor más efectivo en el estudio
Gestión de identidades y accesos: $225,622 ahorrados por filtración, muy cerca

La debilidad que explotan ambos tipos de ataques de IA

Los ataques de inversión de modelos ($6.07M en promedio) y los ataques de inyección de prompts ($5.89M en promedio) apuntan a la misma debilidad subyacente: acceso que nunca se delimitó lo suficientemente estricto en primer lugar. Ningún ataque requiere romper el cifrado o eludir un firewall. Ambos solo necesitan un modelo, o una ruta de prompt hacia él, con mayor alcance del que requiere la tarea.

Por qué esto importa más allá de los sistemas de IA

Aquí es donde las prácticas fundamentales de identidad se vuelven críticas. Para un equipo de seguridad que gestiona miles de credenciales en sistemas locales, servicios en la nube y herramientas SaaS, la cifra de ahorro de IAM no es abstracta. Es la diferencia entre un ciclo de vida de filtración de 247 días y uno de 209 días.

Los equipos de seguridad que gestionan credenciales tanto de identidades humanas como no humanas, incluyendo claves API, cuentas de servicio y credenciales de agentes de IA, necesitan gobernanza de acceso centralizada con rotación, auditoría y controles basados en roles para cerrar la brecha que el 92% de las organizaciones afectadas dejaron abierta.

Cerrar la brecha del 92% comienza por saber quién, o qué, tiene acceso a qué credenciales. Comience su prueba gratuita de Passwork y vea cómo delimita los permisos tanto para identidades humanas como no humanas.

Shadow AI, identidades no humanas y poscuántica: Las tres amenazas emergentes

Tres hallazgos que son primicia en 2026 definen la sección prospectiva del informe: los incidentes de Shadow AI duplicándose, la seguridad de identidades no humanas rezagada respecto a la adopción de IA, y la preparación para criptografía poscuántica siendo todavía rara.

Shadow AI

Shadow AI, es decir, herramientas de IA que los empleados adoptan sin aprobación de seguridad, representó el 43% de los incidentes relacionados con IA en 2026, más del doble del 20% registrado el año anterior. Aproximadamente uno de cada cinco de estos incidentes resultó en una multa regulatoria, y solo alrededor de un tercio de las organizaciones aplican procesos de aprobación estrictos para desplegar herramientas de IA internamente.

Identidades no humanas

Menos de la mitad de las organizaciones (46%) informan que aseguran identidades no humanas como claves API, cuentas de servicio y credenciales de máquinas dentro de sus flujos de trabajo de IA, creando una superficie de ataque en expansión a medida que los agentes de IA proliferan en los entornos empresariales.

De ese 46%, el 55% aplica gestión del ciclo de vida de identidades de máquinas, el 39% usa gestión de secretos dedicada, el 36% ejecuta monitorización de comportamiento en cuentas no humanas, y el 30% aplica control de acceso basado en roles específicamente a ellas.

Criptografía poscuántica

Solo el 26% de las organizaciones afectadas tiene un proyecto de criptografía poscuántica en marcha, y el 61% carece de controles para monitorizar y asegurar activos criptográficos en absoluto, dejándolas expuestas a ataques de «recoger ahora, descifrar después» a medida que avanza la capacidad de computación cuántica. Solo el 37% cifra de manera integral los datos sensibles en reposo y en tránsito hoy, una brecha de línea base que precede a cualquier preocupación cuántica.

Las cuatro recomendaciones de IBM, traducidas para la acción

Las recomendaciones de IBM se centran en un imperativo: cerrar la brecha entre los ataques acelerados por IA y la defensa a velocidad humana desplegando IA agéntica en la gestión de vulnerabilidades, cambiando la identidad a verificación continua, estableciendo soberanía de IA, y comenzando la transición a criptografía poscuántica.

Operar la seguridad a la velocidad del ataque. IBM enmarca esto como cerrar la brecha de tiempo de reacción. En la práctica, significa desplegar al menos un agente de IA para escaneo de vulnerabilidades en su pipeline CI/CD este trimestre, no solo para detección de amenazas.
Cambiar la seguridad de identidad a verificación continua en tiempo de ejecución. Esto aplica los principios de confianza cero tanto a máquinas como a humanos. Comience auditando cada identidad no humana que toca un flujo de trabajo de IA y avance hacia el acceso justo a tiempo en lugar de credenciales permanentes.
Fortalecer el control de IA a través de la soberanía de IA. El lenguaje de IBM cubre seguridad integral en datos, aplicaciones, identidades y nube. El primer paso concreto es mapear cada lugar donde un modelo de IA toca datos sensibles y aplicar controles de acceso específicamente allí.
Prepararse para el riesgo de seguridad poscuántica. Con el 61% de las organizaciones sin controles básicos de activos criptográficos, el punto de partida es un inventario: qué sistemas todavía dependen de RSA o ECC, y cuáles de ellos protegen datos con una vida útil de confidencialidad prolongada.

Qué significa esto para su equipo

El informe 2026 de IBM describe una aceleración asimétrica. Los atacantes están adoptando la IA más rápido en las áreas que más duelen, mientras los defensores despliegan sus mejores herramientas en todas partes excepto en la puerta principal. La brecha del 18% en vulnerabilidades, la tasa de fallo del 92% en control de acceso, y el ajuste de cuentas del 85% apuntan todos a la misma conclusión: la ecuación económica de las filtraciones ha cambiado, y la velocidad es ahora la variable que decide el resultado.

Para los equipos de seguridad, la identidad sigue siendo el campo de batalla. Con IAM ocupando el segundo lugar como reductor de costos más efectivo y el 92% de las organizaciones afectadas por IA sin controles de acceso, la gestión centralizada de credenciales para identidades humanas y no humanas es una palanca financiera directa.

Passwork proporciona a los equipos empresariales control de acceso basado en roles, rotación automatizada de credenciales y acceso auditado a bóvedas — el tipo de gobernanza de identidad que cierra las brechas específicas que este informe cuantifica.

Si su organización todavía gestiona credenciales privilegiadas a través de hojas de cálculo, cuentas compartidas o claves API que nadie ha rotado en un año, el reloj de filtración de $1,100 por hora ya está corriendo en algún lugar de su entorno.

Cada clave API sin rotar y cuenta compartida es una partida en el informe de filtraciones del próximo año. Vea cómo Passwork centraliza el control de acceso, la rotación y el registro de auditoría tanto para identidades humanas como no humanas — solicite una demostración gratuita.

Preguntas frecuentes

¿Cuál es el costo promedio de una filtración de datos en 2026?

Según el Informe del costo de una filtración de datos 2026 de IBM, el promedio global alcanzó un récord de $4.99 millones, un aumento del 12% respecto a 2025. En Estados Unidos, el promedio fue de $11.5 millones, más del doble de la cifra global. Los costos de filtración incluyen detección, escalamiento, notificación, respuesta posterior a la filtración y pérdida de negocio.

¿Cuánto han aumentado los ataques impulsados por IA?

Los ataques impulsados por IA aumentaron un 56% interanual, representando ahora más de uno de cada cuatro filtraciones maliciosas. Estos incidentes habilitados por IA cuestan un promedio de $6.04 millones, aproximadamente $1 millón más que las filtraciones maliciosas sin participación de IA.

¿Qué industrias tienen los costos más altos de filtraciones de datos?

Sanidad encabeza la lista por decimotercer año consecutivo con $6.64 millones, seguida de servicios financieros ($6.29M), industrial y tecnología (ambos $5.50M), y entretenimiento ($5.38M). Sanidad fue el único sector que vio disminuir los costos interanualmente.

¿La IA de seguridad realmente reduce los costos de filtración?

Sí. Las organizaciones que usan IA y automatización extensivamente en las operaciones de seguridad redujeron los costos de filtración en $1.93 millones y contuvieron las filtraciones 65 días más rápido en promedio en comparación con aquellas que no usan IA o automatización, una reducción de costos de aproximadamente el 33%.

¿Cuál es la causa más común de las filtraciones de datos?

El phishing, incluyendo ataques basados en voz y SMS, siguió siendo el principal vector de ataque inicial por cuarto año consecutivo, involucrado en el 17% de las filtraciones y costando un promedio de $5.29 millones, el más alto entre todos los vectores de ataque rastreados en el informe.

Informe del costo de una filtración de datos 2026: la amenaza de IA de $6M que nadie soluciona

Los costos globales de brechas alcanzan un récord de $4.99M en 2026, con detección de 247 días. Los ataques con IA crecen 56%, pero la crisis real: los defensores usan IA en todo, menos donde entran los atacantes. El 92% de las organizaciones vulneradas por IA no tenían controles de acceso.

Cybersecurity Industry reports

Aug 1, 2026 — 15 min read

2026 Cost of a Data Breach Report: The $6M AI threat no one's fixing

A data breach now costs $1,100 for every hour it stays unresolved. In 2026, breaches averaged 247 days to contain, adding up to a record $4.99 million per incident. According to IBM's 2026 Cost of a Data Breach Report, produced with Ponemon Institute from 602 breached organizations across 16 countries, this year's data reveals one critical theme: AI threats have become the deciding factor in breach economics.

Attackers using AI now account for 1 in 4 malicious breaches, up 56% year over year. Organizations using AI extensively in their own defenses save $1.93 million per incident. Read together, these two numbers define the IBM report's core tension: offense is outpacing defense.

Key statistics from IBM's Cost of a Data Breach Report 2026

Global average breach cost: $4.99M (+12% YoY). Every unresolved breach drains roughly $1,100/hour.
US average breach cost: $11.5M (+11% YoY). US regulatory and business costs run 2.3x the global average.
AI-driven attacks: 1 in 4 malicious breaches (+56% YoY). Attackers are adopting AI faster than defenders in the areas that matter most.
Mean time to identify and contain: 247 days, a reversal after 5 years of decline. Five years of containment progress erased in a single cycle.
Security AI and automation savings: $1.93M. Extensive AI deployment cuts breach costs by roughly a third.
The 85% reckoning: 85% of organizations raised security spending after a frontier AI model demo, versus 64% after an actual breach. Fear of future threats now outweighs the memory of real incidents.
The 18% vulnerability gap: half of breached organizations run AI agents in their SOC, but only 18% point them at vulnerability management. Defenders deploy AI everywhere except the front door attackers use.
The access control disaster: 92% of AI-breached organizations had no proper AI access controls. IAM is the second most effective cost reducer in the study, and most companies still aren't applying it to their AI systems.

What is the IBM Cost of a Data Breach Report 2026

The IBM Cost of a Data Breach Report 2026 is the 21st annual edition of IBM's flagship breach-economics study. It is based on interviews with 602 organizations across 16 countries and 17 industries that experienced a breach between March 2025 and February 2026, plus a May 2026 follow-on study of 456 of those same respondents.

One caveat worth stating upfront: the sample is non-statistical, so margins of error do not apply in the traditional sense, and it skews toward organizations with more mature security programs willing to participate. Treat the figures as directional benchmarks for planning, not actuarial predictions for your specific organization.

What's new in the 2026 IBM Cost of a Data Breach Report

This year's IBM report is the first edition to measure agentic AI deployment inside security operations centers (SOCs), the first to track post-quantum cryptography readiness, and the first built on a follow-on study triggered by a live AI threat event.

The original interviews closed in February 2026. Two months later, Anthropic's Claude Mythos preview shifted threat perception. IBM and Ponemon surveyed 456 original respondents in May 2026 with a direct question: did this change your spending plans?

The answer produced what this article calls the 85% reckoning: a real breach convinced 64% of organizations to raise security spending, but news of a frontier AI model's capabilities convinced 85%. Fear of a future threat outweighed the memory of an actual incident.

Four other firsts define the year:

Mean time to identify and contain (MTTI/MTTC) rose after five straight years of improvement.
Shadow AI incidents doubled to 43% of all AI-related incidents.
A quarter of organizations still use no AI or automation in security at all.
The report measures, for the first time, exactly which SOC functions organizations assign to AI agents. That breakdown is what this article calls the 18% vulnerability gap, covered below.

The $4.99 million breach: Global costs hit a record

The global average cost of a data breach reached an all-time high of $4.99 million in 2026, a 12% increase driven primarily by detection and escalation expenses and lost business costs, which together accounted for 63% of the total. Regulatory fines, the line item most boards fixate on, carry less weight in the total than forensics, crisis management, downtime, and customer churn combined.

After dipping to $4.44M in 2025, costs surged back to $4.99M in 2026, erasing a year of progress and hitting a new record.

Line chart showing global average data breach cost from 2019 to 2026, rising from $3.92 million to a record $4.99 million, IBM Cost of a Data Breach Report 2026]

Breach duration compounds the cost directly. Incidents that took longer than 200 days to resolve cost organizations $5.65 million on average, compared to $4.32 million for breaches contained faster.

Country by country: Where breaches cost the most

The United States broke its own record with an average breach cost of $11.5 million, more than double the global average and an 11% increase over last year, driven by higher regulatory fines and business disruption costs. No other country comes close to the US figure, but the regional spread tells its own story.

Country / region	2026 average cost	YoY change
United States	$11.5M	+11%
Middle East	$8.0M	—
Benelux	$7.37M	+16%
Canada	$5.20M	—
Germany	$4.93M	+18%
United Kingdom	$4.17M	—
South Africa	$3.04M	+22%

South Africa posted the largest percentage increase in the study at 22%, even though its absolute cost remains below the global average. That combination, a low base rising fast, usually signals a market where security spending has not kept pace with digitization (not one where breaches have become uniquely severe). Benelux, by contrast, already sits among the highest per-incident costs globally and still grew 16%.

AI-driven attacks surge 56%: The numbers behind the headline

This is the AI threat the IBM Data Breach Report's title alludes to: AI-driven attacks now account for more than 1 in4 malicious breaches, a 56% increase over last year, and add approximately $1 million to the average breach cost, pushing AI-enabled incidents to $6.04 million.

Attack type breakdown

Break down the attack types and a clear pattern emerges. This is attackers automating the social-engineering and malware-development steps that used to require skilled human time.

AI deepfake impersonation: 45% of AI-enabled attacks, the largest single category
AI-generated malware: 19%
AI-generated phishing or other communications: 17%

Critical infrastructure concentration

Critical infrastructure absorbed the concentrated damage: 62% of AI-driven attacks in the study hit these sectors, with financial services ($6.29M average) and energy ($5.24M average) carrying the largest share.

Note: IBM has not published which of its 17 industry categories it classifies as critical infrastructure, so the 62% figure describes the sector group as a whole rather than isolating financial services and energy specifically. Treat it as directional, not a precise attribution.

Attacks on AI systems themselves

Attackers are also going after AI systems directly, and both figures below sit above the global all-cause average, which tells you these are not edge-case curiosities anymore.

AI model inversion attacks (an adversary reconstructs sensitive training data from a deployed model): $6.07M average
Prompt injection attacks (malicious input manipulates a model's behavior): $5.89M average

The 18% gap: Where defenders are losing the AI arms race

Half of breached organizations deployed AI agents in their SOCs, but only 18% aimed them at vulnerability management. This is the 18% vulnerability gap: defenders deploy AI everywhere except where attackers break in.

Where SOC agents actually go

Most SOC agent deployment clustered around detection and response, not the front door attackers use:

Threat hunting: 56%
Response and containment: 54%
Vulnerability scanning and management: 18%

Vulnerability management, the unglamorous work of finding and closing the holes attackers walk through, got the least attention despite being exactly where frontier AI models threaten to change the math fastest.

Why the gap is dangerous now

In April 2026, Anthropic previewed Claude Mythos, a frontier model that turned from research curiosity into a concrete AI threat overnight by identifying thousands of high-severity vulnerabilities across major operating systems and browsers during testing. Anthropic's Frontier Red Team research put the cost of developing a working exploit from a discovered vulnerability at under $1,000 to $2,000, achievable in under a day.

The industry is already reacting

IBM's own respondents recognized the mismatch after the fact, following the Mythos announcement:

74% of organizations said they had rethought their AI agent deployment strategy in the SOC
Planned use of agents for vulnerability management rose from 18% toward 37% in stated intent

Board translation: if your SOC has AI agents but none of them are scanning for vulnerabilities, you are running the same defensive posture as an organization with no AI at all, against attackers who no longer have that limitation.

The industry breakdown: Healthcare, finance, and the biggest movers

Healthcare remained the costliest industry for data breaches for the 13th consecutive year at $6.64 million, though it was the only sector to see costs decline, down 10.5% from $7.42 million in 2025.

Industry	2026 average cost	YoY change
Healthcare	$6.64M	−10.5%
Financial services	$6.29M	+13%
Industrial	$5.50M	—
Technology	$5.50M	—
Entertainment	$5.38M	+18%
Communications	$4.71M	+20%

Communications posted the steepest increase in the entire study at 20%, followed by entertainment at 18%. Financial services climbed 13% to $6.29 million, continuing a multi-year rise that has closed most of the gap with healthcare. Customer PII appeared in 52% of breaches, at $192 per record on average. Intellectual property theft was less frequent, 32% of breaches, but the costliest data type per record at $196.

Healthcare's decline masks a shift: attacks are moving to suppliers rather than direct targets. Lower per-breach costs don't mean lower total risk if supply chain incidents are rising.

Phishing, including voice and SMS-based variants, remained the leading initial attack vector for the fourth consecutive year, involved in 17% of breaches and costing an average of $5.29 million, the highest among all vectors.

Attack vector	Share of breaches	Average cost
Phishing (including vishing/smishing)	17%	$5.29M
Social engineering	13%	$5.23M
Valid account abuse	—	$5.07M
Supply chain compromise	—	258 days to identify and contain

Where breaches originate

Malicious and criminal attacks accounted for 55% of all breaches, up 8 points year over year, ahead of two other causes:

Human error: 23%
IT failures: 22%

Why supply chain attacks take so long to catch

Supply chain compromise and removable media both took an average of 258 days to identify and contain, well above the 247-day overall average. Neither shows up reliably in malware scans or inbound network traffic, which is what stretches detection time past the norm for every other vector.

Why voice and SMS phishing cost more

Phishing and social engineering are converging on the same target: credential access. Voice and SMS phishing cost more precisely because a successful call or text often hands attackers direct access to higher-value systems, skipping the malware-delivery step entirely.

The breach lifecycle: 247 days, and why the clock reversed

The mean time to identify and contain a data breach rose to 247 days, a 2.5% increase that reversed five years of steady improvement. Internal security teams still outperform the average, resolving breaches 15% faster, in 209 days.

Who finds the breach, and how long it takes

Who finds the breach changes the timeline substantially:

Discovery method	Time to identify and contain	Share of breaches
Internal security teams	209 days	38%
Managed security service providers (MSSPs)	230 days	31%
Attacker disclosure	268 days	17%
Third-party disclosure	281 days	—

The uncomfortable number in that table

Attacker disclosure is the worst-case discovery method, and it is not rare. Internal teams and MSSPs together caught 69% of breaches. Attacker disclosure accounted for 17%, meaning nearly 1 in 5 breached organizations found out from the people attacking them.

Ransomware evolves: From encryption to reputation extortion

Ransomware was involved in 39% of data breaches, up from 34% last year, with 41% of those attacks now including threats to damage brand reputation, reflecting a shift from purely technical disruption toward multilayered extortion that targets trust and public perception.

Encrypting files and demanding payment for a decryption key used to be the whole playbook. Threatening to publicize a breach to customers, regulators, and the press, regardless of whether encryption succeeded, adds a second pressure point that does not depend on backup quality. An organization with flawless backups can restore its systems in hours and still face a reputation-extortion demand it cannot engineer its way out of.

Security AI and automation: The $1.93 million defense

Organizations that extensively deployed security AI and automation reduced average breach costs by $1.93 million and shortened breach lifecycles by 65 days compared to those using no AI or automation, a roughly 33% cost reduction that also cuts containment time by nearly a quarter.

AI/automation usage level	Average breach cost	Share of organizations
Extensive use	$4.00M	36%
Limited use	$5.05M	39%
No use	$5.93M	25%

One in four organizations in the study still uses no AI or automation in its security operations at all. That quarter of the sample is paying nearly $2 million more per incident than the extensive-use group, for a capability gap that has existed long enough to have a well-documented return on investment.

The access control disaster: 92% of AI-breached organizations had none

Among organizations that experienced an AI-related breach, 92% lacked proper AI access controls, despite identity and access management (IAM) ranking as the second most effective cost reducer in the entire study, at $225,622 saved per breach. Only 40% of organizations extend any access controls to their AI models and the data those models touch.

Top cost reducers, for context

DevSecOps practices: $253,805 saved per breach, the single most effective reducer in the study
Identity and access management: $225,622 saved per breach, close behind

The weakness both AI attack types exploit

Model inversion attacks ($6.07M average) and prompt injection attacks ($5.89M average) target the same underlying weakness: access that was never scoped tightly enough in the first place. Neither attack requires breaking encryption or bypassing a firewall. Both need only a model, or a prompt path to it, with broader reach than the task requires.

Why this matters beyond AI systems

This is where foundational identity practices become critical. For a security team managing thousands of credentials across on-prem systems, cloud services, and SaaS tools, the IAM savings figure is not abstract. It is the difference between a 247-day breach lifecycle and a 209-day one.

Security teams managing credentials across human and non-human identities, including API keys, service accounts, and AI agent credentials, need centralized access governance with rotation, auditing, and role-based controls to close the gap that 92% of breached organizations left open.

Closing the 92% gap starts with knowing who, or what, has access to which credentials. Start your free trial of Passwork and see how it scopes permissions for human and non-human identities alike.

Shadow AI, non-human identities, and post-quantum: The three emerging threats

Three 2026-first findings define the report's forward-looking section: shadow AI incidents doubling, non-human identity security lagging AI adoption, and post-quantum cryptography readiness remaining rare.

Shadow AI

Shadow AI, meaning AI tools employees adopt without security approval, accounted for 43% of AI-related incidents in 2026, more than double the 20% recorded the prior year. Roughly one in five of these incidents resulted in a regulatory fine, and only about a third of organizations enforce strict approval processes for deploying AI tools internally.

Non-human identities

Fewer than half of organizations (46%) report securing non-human identities such as API keys, service accounts, and machine credentials within their AI workflows, creating an expanding attack surface as AI agents proliferate across enterprise environments.

Of that 46%, 55% apply machine identity lifecycle management, 39% use dedicated secrets management, 36% run behavioral monitoring on non-human accounts, and 30% apply role-based access control to them specifically.

Post-quantum cryptography

Only 26% of breached organizations have a post-quantum cryptography project underway, and 61% lack controls to monitor and secure cryptographic assets at all, leaving them exposed to "harvest now, decrypt later" attacks as quantum computing capability advances. Just 37% encrypt sensitive data comprehensively at rest and in motion today, a baseline gap that predates any quantum concern.

IBM's four recommendations, translated for action

IBM's recommendations center on one imperative: closing the gap between AI-accelerated attacks and human-speed defense by deploying agentic AI to vulnerability management, shifting identity to continuous verification, establishing AI sovereignty, and beginning the post-quantum cryptography transition.

Operate security at the speed of attack. IBM frames this as closing the reaction-time gap. In practice, it means deploying at least one AI agent to vulnerability scanning in your CI/CD pipeline this quarter, not just to threat detection.
Shift identity security to continuous, runtime verification. This applies zero trust principles to machines as well as humans. Start by auditing every non-human identity touching an AI workflow and moving toward just-in-time access instead of standing credentials.
Strengthen AI control through AI sovereignty. IBM's language covers comprehensive security across data, applications, identities, and cloud. The first concrete step is mapping every place an AI model touches sensitive data and applying access controls there specifically.
Prepare for post-quantum security risk. With 61% of organizations lacking basic cryptographic asset controls, the starting point is an inventory: which systems still rely on RSA or ECC, and which of those protect data with a long confidentiality shelf life.

What this means for your team

IBM's 2026 report describes asymmetric acceleration. Attackers are adopting AI faster in the areas that hurt most, while defenders deploy their best tools everywhere except the front door. The 18% vulnerability gap, the 92% access control failure rate, and the 85% reckoning all point to the same conclusion: the breach economics equation has shifted, and speed is now the variable that decides the outcome.

For security teams, identity remains the battleground. With IAM ranking as the second most effective cost reducer and 92% of AI-breached organizations lacking access controls, centralized credential management for human and non-human identities is a direct financial lever.

Passwork gives enterprise teams role-based access control, automated credential rotation, and audited vault access, the kind of identity governance that closes the specific gaps this report quantifies.

If your organization still manages privileged credentials through spreadsheets, shared accounts, or API keys nobody has rotated in a year, the $1,100-per-hour breach clock is already running somewhere in your environment.

Every unrotated API key and shared account is a line item in next year's breach report. See how Passwork centralizes access control, rotation, and audit logging for human and non-human identities alike — request a free demo.

Frequently asked questions

What is the average cost of a data breach in 2026?

According to IBM's 2026 Cost of a Data Breach Report, the global average reached a record $4.99 million, a 12% increase from 2025. In the United States, the average was $11.5 million, more than double the global figure. Breach costs include detection, escalation, notification, post-breach response, and lost business.

How much have AI-driven attacks increased?

AI-driven attacks surged 56% year over year, now accounting for more than one in four malicious breaches. These AI-enabled incidents cost an average of $6.04 million, roughly $1 million more than malicious breaches without AI involvement.

Which industries have the highest data breach costs?

Healthcare tops the list for the 13th consecutive year at $6.64 million, followed by financial services ($6.29M), industrial and technology (both $5.50M), and entertainment ($5.38M). Healthcare was the only sector to see costs decline year over year.

Does security AI actually reduce breach costs?

Yes. Organizations using AI and automation extensively across security operations reduced breach costs by $1.93 million and contained breaches 65 days faster on average compared to those using no AI or automation, a roughly 33% cost reduction.

What is the most common cause of data breaches?

Phishing, including voice and SMS-based attacks, remained the leading initial attack vector for the fourth consecutive year, involved in 17% of breaches and costing an average of $5.29 million, the highest among all attack vectors tracked in the report.

2026 IBM Cost of a Data Breach Report: The $6M AI threat no one's fixing

Global breach costs hit record $4.99M in 2026, with detection taking 247 days. AI-driven attacks surge 56%, but the real crisis: defenders deploy AI everywhere except where attackers break in. 92% of AI-breached organizations had zero proper access controls.

Secrets management Industry reports

May 15, 2026 — 27 min read

Der Stand der Secrets-Ausbreitung 2026: Zentrale Erkenntnisse aus dem GitGuardian-Bericht

Im Jahr 2025 hat GitGuardian 28,65 Millionen neue hartcodierte Secrets in öffentlichen GitHub-Commits erkannt. Das entspricht einem Anstieg von 34 % gegenüber dem Vorjahr und dem größten Jahressprung, den das Unternehmen je verzeichnet hat. Diese Zahl umfasst nur öffentliche Repositories. Das vollständige Bild — unter Einbeziehung interner Systeme, Kollaborationstools und selbst gehosteter Infrastruktur — ist deutlich schlimmer.

Drei Themen ziehen sich durch die Daten:

KI-gestützte Entwicklung hat sich vom Experiment zum Standard entwickelt und beschleunigt das Durchsickern von Zugangsdaten auf jeder Ebene des Stacks.
Interne Systeme sind weitaus stärker exponiert, als die meisten Organisationen annehmen: Private Repositories, Slack-Kanäle und selbst gehostete GitLab-Instanzen bergen alle erhebliche Risiken für Zugangsdaten.
Behebung bleibt das kritische Versagen der Branche: 64 % der im Jahr 2022 als gültig bestätigten Secrets waren im Januar 2026 — vier Jahre nach dem ersten Leak — immer noch ausnutzbar.

Dieser Artikel analysiert jeden Befund mit den Daten und dem Kontext, den IT- und Sicherheitsteams benötigen, um intern für Veränderungen zu argumentieren.

Zentrale Erkenntnisse

KI ist der dominierende Treiber für die Exposition von Zugangsdaten. Acht der zehn am schnellsten wachsenden Arten von geleakten Secrets sind mit KI-Diensten verbunden. LLM-Infrastruktur leckt 5× schneller als die Kernanbieter von Modellen.
Interne Repositories enthalten mit 6× höherer Wahrscheinlichkeit ein hartcodiertes Secret als öffentliche. „Privat" ist keine Sicherheitskontrolle.
Ein Viertel aller internen Vorfälle stammt von außerhalb der Codebasis. Slack, Jira und Confluence machen 28 % der Leaks aus — mit einer höheren Rate kritischer Schweregrade als codebasierte Befunde.
Behebung ist der limitierende Faktor der Branche. 64 % der im Jahr 2022 als gültig bestätigten Secrets waren im Januar 2026 immer noch ausnutzbar.
Ausschließlich validierungsbasierte Priorisierung übersieht 46 % der kritischen Secrets. Generische Zugangsdaten — private Schlüssel, benutzerdefinierte Token, Passwörter — können nicht automatisch validiert werden, verursachen aber die Hälfte aller kritischen Vorfälle.
Entwickler-Workstations und CI/CD-Runner sind eine unterschätzte Angriffsfläche. Der Shai-Hulud-2-Angriff fand 294.842 Secret-Vorkommen auf 6.943 kompromittierten Maschinen; 59 % waren CI/CD-Runner.
Drittanbieter und Auftragnehmer sind ein unkontrollierter Secrets-Vektor. GitGuardian fand 1.834 kritische Vorfälle bei 13 Beratungsfirmen, die potenziell 1.203 Kundenorganisationen betreffen.
MCP-Konfigurationsdateien sind eine neue und weitgehend unüberwachte Leak-Oberfläche. Im Jahr 2025 wurden 24.008 einzigartige Secrets in MCP-bezogenen Konfigurationen auf öffentlichem GitHub exponiert — 8,8 % waren zum Zeitpunkt der Erkennung als gültig bestätigt.

Wie groß ist das Problem der Secrets-Ausbreitung im Jahr 2025?

Wie KI eine neue Generation geleakter Secrets befeuert

Secrets-Ausbreitung bezeichnet die unkontrollierte Verbreitung hartcodierter Zugangsdaten (API-Schlüssel, Passwörter, Token und Zertifikate) über Codebasen, Konfigurationsdateien und Kollaborationstools hinweg. Seit 2021 sind geleakte Secrets auf öffentlichem GitHub um 152 % gestiegen, während die Entwicklerpopulation um 98 % wuchs. Die Lücke weitet sich jedes Jahr, und 2025 produzierte den größten jemals verzeichneten Volumenanstieg in einem Jahr.

Ausmaß in Zahlen

Metrik	Zahl 2025	Veränderung
Insgesamt erkannte Secrets	28,65 Millionen	+33,9 % im Jahresvergleich
Neue hartcodierte Secrets auf öffentlichem GitHub	28,65 Millionen	+34 % im Jahresvergleich
Aktive GitHub-Entwickler	22,8 Millionen	+33,2 % im Jahresvergleich
Repositories mit Secrets	4.012.054	+39,9 % im Jahresvergleich
Öffentliche Commits	1,94 Milliarden	+42,7 % im Jahresvergleich
Pro-Bono-Warn-E-Mails versendet	2,5 Millionen	+47 % im Jahresvergleich
Secrets pro Repository	~0,32	Stabil

Das Ausmaß des Problems ist strukturell. Mehr Menschen schreiben mehr Code, integrieren mehr Drittanbieterdienste und generieren mehr Zugangsdaten, die durchsickern können.

Eine Metrik blieb stabil: Secrets pro Repository. Die Dichte blieb ungefähr gleich, was darauf hindeutet, dass GitHubs Push Protection seine Aufgabe erfüllt, gängige Zugangsdaten abzufangen, bevor sie öffentlich werden. Aber Dichtekontrolle kann das Volumenwachstum nicht aufhalten. Wenn sich die Gesamtzahl der Commits vervierfacht, produziert selbst eine stabile Leak-Rate pro Repository eine Rekordzahl exponierter Zugangsdaten.

Wie KI eine neue Generation geleakter Secrets befeuert

KI-gestützte Entwicklung hat verändert, welche Secrets durchsickern, wie schnell sie sich ansammeln und wo sie landen. Acht der zehn am schnellsten wachsenden Arten geleakter Secrets im Jahresvergleich sind mit KI-Diensten verbunden. Der KI-Infrastruktur-Boom ist derzeit der dominierende Treiber für die Exposition von Zugangsdaten.

Der KI-Infrastruktur-Boom

Im Jahr 2025 erkannte GitGuardian 1.275.105 Secrets, die zu KI-Diensten gehören — ein Anstieg von 81 % gegenüber 2024.

Am schnellsten wachsende spezifische Detektoren (KI-bezogen):

Dienst	Wachstum im Jahresvergleich	Kategorie
Brave Search	+1.255 %	Retrieval API
Firecrawl	+796 %	Retrieval API
Perplexity	+657 %	Retrieval API
Supabase	+992 %	Backend / Datenschicht
Jina	+334 %	Embeddings / Suche
LangChain	+108 %	Orchestrierung
Weights & Biases	+114 %	Experiment-Tracking
OpenRouter	+4.800 % (48×)	Modell-Gateway
DeepSeek	+2.300 % (23×)	Modellanbieter

Der bedeutendere Trend ist, was jenseits der Modellanbieter selbst durchsickert. LLM-Infrastruktur (die Orchestrierungs-, Retrieval- und Speicherschicht, die Kernmodelle umgibt) leckt 5× schneller als die Modellanbieter. Allein Supabase rangiert jetzt unter den Top 20 der am häufigsten geleakten Secrets insgesamt mit über 248.600 Vorkommen.

Das Muster ist konsistent: Entwickler, die KI-gestützte Anwendungen erstellen, verbinden ein Modell mit einer Retrieval-Schicht, einem Orchestrierungstool, einer Vektordatenbank, einem Experiment-Tracker und einem Überwachungsdienst. Jede Integration fügt eine neue Zugangsberechtigung hinzu. Jede Zugangsberechtigung ist ein potenzielles Leck.

Mit dem Entstehen neuer KI-Anbieter gibt es unvermeidlich eine Verzögerung, bis die Erkennungsabdeckung nachzieht. GitHub Push Protection konzentriert sich auf bekannte Muster. Neuartige Anbieter schlüpfen durch. Bis ein Detektor erstellt ist, können bereits Tausende von Schlüsseln öffentlich sein.

Realer Vorfall: Im April 2026 analysierte CloudSEK 10.000 Android-Apps und fand 32 aktive Google API-Schlüssel in 22 Anwendungen — mit insgesamt über 500 Millionen Installationen. Die Schlüssel waren ursprünglich für öffentlich zugängliche Dienste wie Maps und Firebase eingebettet, aber Googles stille Erweiterung der Gemini API bedeutete, dass dieselben Schlüssel nun auch Zugang zu KI-Endpunkten gewährten. Ein Entwickler meldete 15.400 Dollar an unautorisierten Gebühren innerhalb von Stunden nach der Schlüssel-Exposition. Ein anderer verlor 128.000 Dollar trotz vorhandener Sicherheitskontrollen (Infosecurity Magazine, April 2026).

Claude Code und KI-gestützte Commits leaken Secrets mit 2× der Baseline

Anthropics Claude Code wuchs von 22 mitautorierten Commits im Januar 2025 auf 2,16 Millionen im Dezember. Über das gesamte Jahr:

Claude Code-gestützte Commits = 0,4 % von allem, was öffentlich gescannt wurde
Claude Code-gestützte Commits = 0,9 % aller Leaks
Leak-Rate: 3,2 % vs. 1,5 % Baseline über alle öffentlichen GitHub-Commits

Claude Code Leak-Rate im Jahr 2025:

Zeitraum	Secrets pro 1.000 Commits	vs. menschliche Baseline
Januar 2025	~13	~1×
August 2025 (Höchststand)	31	~2,4×
Dezember 2025	~13	~1×

Claude Code-Commits waren auch durchweg größer — etwa 2× die Codezeilen pro Commit ab April. Größere Commits bedeuten mehr Angriffsfläche für die Exposition von Zugangsdaten in einer einzelnen Überprüfung.

Die wichtige Nuance: Der Entwickler behält die Kontrolle über jeden Commit. KI-Coding-Assistenten sind Werkzeuge. Die erhöhte Leak-Rate spiegelt menschliche Entscheidungen wider — Aufsichtsmängel, Zeitdruck oder bewusste Entscheidungen, Warnungen zu umgehen — nicht autonomes KI-Verhalten.

Die Schlussfolgerung für Sicherheitsteams: Behandeln Sie KI-generierte Änderungssätze als Überprüfungseinheiten mit höherer Auswirkung, halten Sie automatisiertes Scannen im Entwickler-Workflow aufrecht und halten Sie die Behebung schnell genug, damit ein geleaktes Secret nicht lange genug gültig bleibt, um ausgenutzt zu werden.

24.000 Secrets in MCP-Konfigurationsdateien

Was ist MCP? Model Context Protocol ist der Standard, der Anfang 2025 entstand, um große Sprachmodelle mit externen Tools und Datenquellen zu verbinden. Wenn ein Entwickler möchte, dass sein KI-Agent eine Datenbank abfragt, das Web durchsucht oder mit einer SaaS-Plattform interagiert, übernimmt MCP die Verbindung — und diese Verbindungen erfordern Zugangsdaten.

Zentrale Erkenntnisse:

24.008 einzigartige Secrets in MCP-bezogenen Konfigurationsdateien auf öffentlichem GitHub im Jahr 2025 exponiert
2.117 als gültig bestätigt (8,8 %) zum Zeitpunkt der Erkennung

Top 5 gültige Secret-Typen in MCP-Konfigurationen:

Secret-Typ	Anteil an gültigen Befunden
Google API Key	19 %
PostgreSQL-Verbindungsstring	14 %
Firecrawl	12 %
Perplexity	11 %
Brave Search	11 %

Warum MCP-Konfigurationen weiterhin leaken: Offizielle MCP-Setup-Anleitungen normalisieren Hartcodierung. Beliebte Quickstart-Dokumentationen zeigen API-Schlüssel, die als Kommandozeilenargumente in Serverkonfigurationsdateien übergeben oder inline in JSON-Dateien gespeichert werden, die in die Versionskontrolle committet werden. Wenn offizielle Dokumentation Hartcodierung als Standard behandelt, folgt Ausbreitung.

Der Smithery.ai-Fall: GitGuardians Forschungsteam offenbarte eine kritische Schwachstelle in einem der am häufigsten verwendeten MCP-Server-Registries. Ein einziger Path-Traversal-Bug im Docker-Build-Prozess der Plattform exponierte ein überprivilegiertes Token, das beliebige Codeausführung über alle 3.000+ gehosteten MCP-Server ermöglichte — und Zugang zu den API-Schlüsseln und Secrets von Tausenden von Kunden über Hunderte von Diensten hinweg.

MCP-Zugangsdatenverwaltung — Mindeststandards:

Speichern Sie niemals Secrets in MCP-Konfigurationsdateien. Verwenden Sie Umgebungsvariablen, die von einem dedizierten Secrets-Manager verwaltet werden, keine Inline-Werte in JSON oder CLI-Argumenten.
Clients, nicht Server, sollten die Secrets besitzen. MCP-Server sollten Zugangsdaten zur Abfragezeit von Clients anfordern, anstatt sie in serverseitige Konfigurationen einzubetten.
Schließen Sie MCP-Konfigurationsverzeichnisse von der Versionskontrolle aus via .gitignore.
Verbinden Sie sich nur über TLS mit Remote-MCP-Servern.
Scannen Sie vor dem Pushen. Pre-Commit-Scanning-Tools erkennen Secrets in MCP-Konfigurationsdateien, bevor sie die Versionskontrolle erreichen.
Erfordern Sie manuelle Genehmigung vor jeder MCP-Aktion, die Produktionssysteme, Datenbanken oder Deployment-Pipelines berührt.

Secrets, die in Code, Konfigurationen und Chat-Nachrichten liegen, sind ein Sicherheitsvorfall, der darauf wartet zu passieren. Passwork gibt Ihrem Team einen einzigen, sicheren Ort zum Speichern, Teilen und Rotieren von Zugangsdaten — damit sie niemals hartcodiert in einem Repository landen oder in einen Slack-Kanal eingefügt werden. Entdecken Sie Passworks Secrets-Management-Funktionen

Interne Systeme sind ein gefährlicher blinder Fleck

Der folgenreichste Befund im Bericht 2026 ist einer, der die geringste Medienberichterstattung erhält: Die Gefahr ist dort am größten, wo sich Organisationen am sichersten fühlen. Interne Repositories, Kollaborationstools und selbst gehostete Infrastruktur werden standardmäßig als sicher behandelt — aber die Daten sagen etwas anderes.

Interne Repositories leaken 6× mehr als öffentliche

Repository-Typ	Anteil mit mindestens einem hartcodierten Secret
Öffentliche Repositories	5,6 %
Interne Repositories	32,2 %
Verhältnis	6× wahrscheinlicher

Der Grund ist das „Security through Obscurity"-Antimuster. Entwicklungsteams neigen dazu, innerhalb eines geschlossenen Perimeters weniger vorsichtig zu sein. Sie nehmen an, dass das Exponieren eines Secrets in einem privaten Repository weniger schädlich ist, weil es nicht öffentlich überprüft werden kann. Das Ergebnis ist ein stilles Anwachsen hartcodierter Zugangsdaten, die „später" entfernt werden sollen — und selten werden.

Interne Repositories enthalten auch die wertvollsten Zugangsdaten:

CI/CD-Token
Cloud-Zugriffsschlüssel
Datenbank-Zugangsdaten
Token für interne Tools

Das sind genau die Assets, die ein Angreifer will, sobald er einen Fuß in der Tür hat. Ein einzelnes exponiertes Secret in einem privaten Repository kann zum schnellen Weg für laterale Bewegung durch die gesamte Infrastruktur werden.

Expositionsraten nach Branche (öffentliche Repositories):

Branche	Repositories mit mindestens einem Secret
Öl & Erdgas	7,2 %
Luftfahrt	7,0 %
Einzelhandel & Gastgewerbe	5,8 %
Gesundheitswesen	4,4 %

Diese Zahlen repräsentieren nur das, was extern sichtbar ist. Interne Exposition ist durchweg 6× höher.

Beratungsfirmen verwandeln Secrets-Ausbreitung in Drittanbieterrisiko

Auftragnehmer und Beratungsfirmen arbeiten gleichzeitig in mehreren Kundenumgebungen. Sie halten Zugangsdaten, Token und Konfigurationswissen für jeden Kunden, den sie betreuen — und sie arbeiten oft in persönlichen Accounts oder Repositories außerhalb der GitHub-Organisation ihres Kunden.

GitGuardians Analyse von 13 Beratungsfirmen:

Metrik	Zahl
Kritische / hochsensible Vorfälle	1.834
Durchschnittliche Vorfälle pro Firma	141
Potenziell betroffene Kundenunternehmen	1.203
Anteil der Vorfälle von den Top 5 Firmen	72 %

Der Red Hat-Breach (Oktober 2025): Die Cybercrime-Gruppe „Crimson Collective" exfiltrierte 570 GB Daten aus 28.000 Repositories auf Red Hats interner Consulting-GitLab-Instanz, was etwa 800 Organisationen weltweit betraf. Die geleakten Daten enthielten:

API-Schlüssel und Datenbank-Zugangsdaten
Authentifizierungstoken und VPN-Konfigurationen
Infrastrukturdetails und interne Architektur

Betroffene Organisationen umfassten Bank of America, JPMorgan Chase, IBM, Cisco, die U.S. Navy und die NSA. Die Angreifer nutzten die gesammelten Zugangsdaten, um direkt in die Kundeninfrastruktur vorzudringen.

Jede Organisation, die Auftragnehmer oder Beratungsfirmen einsetzt, hat ein Drittanbieter-Secrets-Problem, ob es entdeckt wurde oder nicht.

Realer Vorfall: Im April 2026 bestätigte Vercel einen Breach, nachdem ein Bedrohungsakteur (der behauptete, ShinyHunters zu sein) in einem Hacking-Forum postete, dass er gestohlene API-Schlüssel, npm-Token, GitHub-Token, Quellcode und Zugang zu internen Deployments verkaufe. Der initiale Zugang kam über ein kompromittiertes KI-Tool eines Drittanbieters (Context.ai), das dem Angreifer einen Fuß in das Google Workspace-Konto eines Vercel-Mitarbeiters gab. Von dort enumerierte der Angreifer Umgebungsvariablen, die nicht als „sensitiv" markiert waren — und daher nicht im Ruhezustand verschlüsselt waren. Vercels eigener CEO bestätigte die Kette: ein Vendor-Breach → ein Mitarbeiterkonto → Produktions-Umgebungsvariablen (BleepingComputer, April 2026).

Einer von vier internen Leaks stammt von außerhalb der Codebasis

Woher interne Vorfälle stammen:

Quelle	Anteil der Vorfälle	Rate kritischer Schweregrade
Quellcode (nur SCM)	68 %	43,7 %
Kollaborationstools (nur ODS)	28 %	56,7 %
Sowohl SCM als auch ODS	4 %	—

Kollaborationstools (Slack, Jira, Confluence) machen 28 % der Vorfälle aus, mit einer 13 Prozentpunkte höheren Rate kritischer Schweregrade als codebasierte Leaks. Secrets, die über diese Tools geteilt werden, sind tendenziell Produktionszugangsdaten, die während der Incident Response oder dringender Fehlerbehebung geteilt werden, wenn Menschen schnell handeln und nicht an Sicherheitshygiene denken.

Die 4 % Überschneidung zwischen SCM- und ODS-Befunden bedeutet, dass dies weitgehend separate Leak-Populationen sind. Das Scannen nur von Repositories übersieht etwa ein Viertel der Gesamtexposition einer Organisation.

80.000 Secrets auf selbst gehosteten GitLab- und Docker-Registries

GitGuardian identifizierte Tausende von selbst gehosteten GitLab-Instanzen und Docker-Registries, die ohne Authentifizierung öffentlich zugänglich waren.

Zusammenfassung der Befunde:

Plattform	Secrets insgesamt	Gültige Secrets	Gültigkeitsrate
Selbst gehostetes GitLab	57.000	~6.800	12 %
Docker-Registries	23.000	~3.450	15 %
Gesamt	80.000	~10.000	—

Gültigkeitsraten nach Zugangsdatentyp (Docker vs. GitLab):

Zugangsdatentyp	Docker	GitLab
Cloud-Zugangsdaten	60 % gültig	47 % gültig
SCM-Secrets	40 % gültig	2 % gültig
Datenspeicher	32 % gültig	4 % gültig

Je näher ein Asset an der Produktion ist, desto höher ist die Wahrscheinlichkeit, gültige Zugangsdaten zu finden. Die Leak-Rate von selbst gehostetem GitLab und Docker ist 3–4× höher als von öffentlichem GitHub.

Die Forschung deckte auch 300.000+ E-Mail-Adressen (einschließlich 2.000 mit .gov-Domains) und Verweise auf interne Datenbankhosts und nicht-öffentliche Infrastruktur auf.

Der „Matrjoschka"-Effekt: Öffentlich exponierte Leaks enthalten gültige Secrets, die Zugang zu privater Infrastruktur gewähren, die wiederum mehr Secrets exponiert und den initialen Breach auf jeder Ebene verstärkt.

64 % der geleakten Secrets von 2022 sind 2026 immer noch gültig

Erkennung ohne Behebung ist keine Sicherheit — es ist Dokumentation. Die Längsschnittdaten im Bericht 2026 machen diesen Fall deutlich.

Gültigkeit von ursprünglich 2022 geleakten Secrets, über die Zeit erneut getestet:

Datum des erneuten Tests	Gültigkeitsrate
2022 (ursprüngliches Leak)	100 %
Januar 2025	~70 %
Januar 2026	64 %

Diese Zugangsdaten lagen vier Jahre lang in öffentlichem Code, ausnutzbar für jeden, der sie findet. Die Persistenz ist ein operatives Signal, dass Behebung — nicht Erkennung — der limitierende Faktor der Branche ist.

Warum Rotation selten stattfindet:

Zugangsdaten sind keine isolierten Zeichenketten. Sie sind eingebettet in:

Build-Systeme und CI/CD-Pipelines
Mehrere Repositories (dupliziert)
Container-Images (zum Build-Zeitpunkt eingebacken)
CI-Variablen und Umgebungskonfigurationen
Vendor- und Drittanbieter-Integrationen

Die kurzfristige Wahl, die viele Teams treffen, ist nicht die sicherste — es ist die, die vermeidet, etwas kaputt zu machen: nichts tun.

NHI-Richtlinienverletzungsverteilung (GitGuardian-Kundendaten):

Problemtyp	Anteil der markierten Probleme
Langlebige Secrets nach Ablauf	60,4 %
Interne Leaks	17,0 %
Duplizierte Secrets	15,6 %
Öffentliche Leaks	5,2 %

Die Erstellungsgeschwindigkeit übertrifft die Identitätsreife. KI macht es einfacher, Projekte zu erstellen und Dienste zu verbinden, aber auch einfacher, unsichere Muster im großen Maßstab zu reproduzieren, wenn der Standardansatz „einfach einen Schlüssel hinzufügen" ist.

Warum ausschließlich validierungsbasierte Priorisierung scheitert

Eine weit verbreitete Annahme in der Secrets-Sicherheit: Wenn ein Secret nicht validiert werden kann — als derzeit aktiv bestätigt — wird es herabgestuft. Der Bericht 2026 stellt dies direkt in Frage.

46 % der kritischen Secrets sind für validierungsbasierte Tools unsichtbar

Metrik	Zahl
Kritische Secrets, die von validierungsbasierten Tools übersehen werden	46 %
Secrets mit hohem und höherem Risiko, die nie behoben werden	83 %
Präzisionsrate validierungsbasierter Tools	~50 %
Nicht validierbare Secrets, die als kritisch eingestuft werden	17.000
Nicht validierbare Secrets, die als hohes Risiko eingestuft werden	80.000+

Die Lücke existiert, weil die Validierungsabdeckung immer unvollständig ist:

APIs ändern sich ohne Ankündigung
Neue Dienste werden ständig gestartet
Jeder Anbieter erfordert dedizierte Infrastruktur zur Validierung
Regionale und branchenspezifische Plattformen vermehren sich

Nicht validierbare Secrets standardmäßig zu ignorieren ist keine konservative Strategie. Es ist ein systematischer blinder Fleck.

Generische Secrets verursachen die Hälfte aller kritischen Vorfälle

„Generische Secrets" — private Schlüssel, benutzerdefinierte API-Token, Passwörter und Zugriffsmechanismen, die durch Entropie-Checks und Kontext statt anbieterspezifischer Muster erkannt werden — werden routinemäßig herabgestuft, weil sie nicht automatisch validiert werden können.

Die Daten sagen, dass dies ein Fehler ist:

35 % der kritischen Vorfälle gehen auf generische Zugangsdaten zurück
51 % der Vorfälle mit hohem oder kritischem Risiko gehen auf generische Zugangsdaten zurück

Die gemeinsame Forschung mit Google (2025): GitGuardian und Google analysierten eine Million geleakte private Schlüssel gegen Certificate Transparency Logs. Zentrale Erkenntnisse:

4,5 % der geleakten Schlüssel wurden vertrauenswürdigen X.509-Zertifikaten zugeordnet
Die Hälfte hatte zum Zeitpunkt des Leaks ein gültiges Zertifikat
4.000+ HTTPS-Zertifikate werden pro Jahr kompromittiert wegen eines geleakten Schlüssels
Betroffene Organisationen umfassten mehrere Fortune-500-Unternehmen und eine vertrauenswürdige Zertifizierungsstelle
GitGuardian sendete 4.000+ Warn-E-Mails an 600 Organisationen — Antwortrate: unter 10 %

Gültig bedeutet nicht immer gefährlich

Das umgekehrte Problem ist ebenso real. Etwa 10 % der gültigen Secrets haben von Natur aus geringe Auswirkungen — Sandbox-Token, Test-Umgebungszugangsdaten, Service-Accounts mit niedrigen Privilegien und Zugang nur zu trivialen Daten.

Ohne kontextuelle Risikobewertung rotieren Teams Zugangsdaten in Erkennungsreihenfolge oder Validierungsreihenfolge, nicht in Bedrohungsreihenfolge.

Die vier Fähigkeiten, die effektive Secrets-Sicherheit erfordert:

Fähigkeit	Was sie bewirkt
Anreicherung	Versteht, was jedes Secret freischaltet
Kontext	Bewertet Privilegien, Umfang und Exposition
Risikobewertung	Priorisiert basierend auf tatsächlicher Geschäftsauswirkung
Vollständige Abdeckung	Adressiert den Long Tail, nicht nur die validierte Minderheit

Teams, die immer noch validierungsbasierte Ansätze verwenden, sind systematisch genau den Bedrohungen ausgesetzt, die am wichtigsten sind — während sie Engineering-Zeit für Zugangsdaten verbrennen, die wenig echte Gefahr darstellen.

Die Entwickler-Workstation als übersehene Angriffsfläche

Der Shai-Hulud-2-Supply-Chain-Angriff gab GitGuardian direkte empirische Daten darüber, wie Secrets auf Entwicklermaschinen im großen Maßstab tatsächlich aussehen. Durch das Kompromittieren von npm-Paketen und deren Ausführung bei der Installation sammelte die Malware systematisch Umgebungsdateien und führte strukturierte lokale Secret-Scans auf Tausenden von echten Maschinen durch.

Shai-Hulud-2-Befunde auf 6.943 kompromittierten Maschinen:

Metrik	Zahl
Secret-Vorkommen insgesamt	294.842
Einzigartige identifizierte Secrets	33.185
Zum Zeitpunkt der Analyse noch gültig	3.760
Durchschnittliche Standorte pro aktivem Secret	~8
Maschinen mit 10+ Secrets	44 %
Maschinen mit 100+ Secrets	5 %
CI/CD-Runner (vs. persönliche Workstations)	59 %

Jedes aktive Secret erschien an etwa acht verschiedenen Stellen auf derselben Maschine — Dotfiles, Shell-Profile, Build-Outputs, IDE-Konfigurationen und Tool-Caches. Jede Kopie ist ein unabhängiger Vektor für Diebstahl.

GitHub-Token dominierten den validierten Satz:

581 Personal Access Tokens
386 OAuth-Token
104 Fine-grained PATs
101 GitLab-Token

Jedes davon ermöglicht Repository-Zugriff, Workflow-Manipulation oder laterale Bewegung durch die Software-Supply-Chain. Und da 59 % der kompromittierten Maschinen CI/CD-Runner waren, erstreckt sich diese Exposition weit über den einzelnen Entwickler hinaus in die gemeinsame Build-Infrastruktur.

GitGuardian betrachtet diese Zahlen als konservativ. Der Angriff lief nur dort, wo das bösartige Paket installiert wurde. Er erreichte keine Agent-Speicherordner, IDE-Caches oder die wachsende Angriffsfläche von KI-generierten Artefakten, die jetzt routinemäßig Zugangsdaten enthalten.

Passwork ist als selbst gehostete Lösung mit voller Kontrolle über Ihre Daten verfügbar. Es ersetzt geteilte .env-Dateien, in Chats eingefügte Zugangsdaten und in CI/CD-Konfigurationen eingebackene Token — durch einen strukturierten Tresor, rollenbasierten Zugriff und ein vollständiges Audit-Log. Entdecken Sie Passworks Deployment-Optionen

Der Weg nach vorn: Von reaktiver Erkennung zu NHI-Governance

Erkennung erfasst, was bereits existiert. Das Ziel ist, der Exposition zuvorzukommen — vollständige Sichtbarkeit über jede Zugangsberechtigung in der Umgebung: wem sie gehört, worauf sie zugreift und ob sie überhaupt noch existieren sollte. Dieser Wandel, vom Jagen von Leaks zur Governance nicht-menschlicher Identitäten, ist das, was NHI-Governance in der Praxis bedeutet.

Schritt 1: Secrets in Vault-Plattformen zentralisieren

Machen Sie den Tresor zur Quelle der Wahrheit. Wenn Teams Zugangsdaten zuverlässig von einem einzigen, zugriffskontrollierten Ort abrufen können, hören sie auf, fragmentierte Speicherstrategien zu erfinden — einer der Haupttreiber der Secrets-Ausbreitung. Passworks Tresorstruktur ist genau dafür konzipiert: organisierte, verschlüsselte und zugriffskontrollierte Speicherung für API-Schlüssel, Datenbankpasswörter, Zertifikate, SSH-Schlüssel und Service-Account-Zugangsdaten.

Schritt 2: Rotation automatisieren

Wenn ein Secret existieren muss, sollte es nicht ewig leben. Regelmäßiger Austausch von Zugangsdaten verkürzt das Zeitfenster, in dem ein Angreifer ein geleaktes Secret ausnutzen kann, und zwingt Teams, Zugangsdaten als Objekte mit einem Lebenszyklus zu behandeln, nicht als einmalige Setup-Aufgaben. Rotation ist weitaus einfacher, sobald eine Vault-Strategie vorhanden ist — der Tresor wird zum einzigen Ort, der aktualisiert werden muss, anstatt jeden Ort aufzuspüren, an den eine Zugangsberechtigung kopiert wurde.

Schritt 3: Entwickler-Workflows reparieren

Entwickler codieren Secrets hart, weil es der schnellste Weg ist, Code zum Laufen zu bringen. Beseitigen Sie die Notwendigkeit für geteilte .env-Dateien und kopierte Token, indem Sie den vault-basierten Abruf von Zugangsdaten ebenso schnell machen. Der sichere Weg muss einfacher sein als der unsichere.

Schritt 4: Scannen früher verlagern

Pre-Commit-Scanning und Erkennung auf Workstation-Ebene stoppen Vorfälle, bevor sie irgendwo dauerhaft landen. Moderne Scanning-Tools liefern verwertbare Signale mit niedrigen Falsch-Positiv-Raten — eine deutliche Verbesserung gegenüber den störungsanfälligen Tools, die in der Vergangenheit das Vertrauen der Entwickler untergraben haben.

Schritt 5: Zu identitätsbasierter Authentifizierung übergehen

Der langfristige Ausweg aus langlebigen statischen Secrets ist kurzlebiger, identitätsgesteuerter Zugriff. Frameworks wie SPIFFE, implementiert durch das Open-Source-Projekt SPIRE, ersetzen Shared-String-Authentifizierung durch stark attestierte Workload-Identität. Jede Workload erhält Just-in-Time, kurzlebige Zugangsdaten anstelle eines statischen Schlüssels, der jahrelang kopiert, geleakt und ausgenutzt werden kann.

Drei Prinzipien für 2026

Prinzip	Was es in der Praxis bedeutet
Interne Repositories als erstklassige Leak-Quellen behandeln	Wenden Sie dieselbe Behebungsstrenge auf interne Befunde an wie auf öffentliche. Die wertvollsten Zugangsdaten befinden sich in privaten Systemen.
Erkennung über Code hinaus erweitern	Scannen Sie Slack, Jira und Confluence. Das Scannen nur von Repositories übersieht ein Viertel der Gesamtexposition.
Hartcodierte Secrets vollständig eliminieren	Beseitigen Sie die Grundursache: langlebige, statische Zugangsdaten, die in Code, Konfigurationen und Chat-Logs leben, anstatt in Secrets-Management-Systemen.

Drei Governance-Fragen, die jede Organisation beantworten muss

Welche nicht-menschlichen Identitäten existieren in unserer Umgebung?
Wem gehören sie?
Worauf können sie zugreifen?

Wenn eine dieser Fragen nicht mit Sicherheit beantwortet werden kann, überholt die KI-Einführung die Sicherheitslage.

Zentrale Erkenntnisse für IT- und Sicherheitsteams

Der GitGuardian-Bericht 2026 ist ein detaillierter Bericht über ein sich beschleunigendes Problem. Hier ist, was die Daten in der Praxis erfordern:

Befund	Implikation
28,65 Mio. neue Secrets in einem Jahr (+34 %)	Volumen ist strukturell — es skaliert mit der Codebasis, nicht mit Nachlässigkeit
KI-Dienst-Secrets um 81 % gestiegen; LLM-Infra leckt 5× schneller als Modellanbieter	Jede neue KI-Integration fügt Zugangsdaten hinzu, die durchsickern können und durchsickern
Interne Repositories enthalten 6× wahrscheinlicher ein Secret	„Privat" ist keine Sicherheitskontrolle
28 % der Vorfälle stammen aus Kollaborationstools	Das Scannen nur von Repositories übersieht ein Viertel der Exposition
64 % der Secrets von 2022 sind 2026 immer noch gültig	Behebung, nicht Erkennung, ist der Engpass
46 % der kritischen Secrets werden von validierungsbasierten Tools übersehen	Risikobewertung erfordert Kontext, nicht nur eine Gültigkeitsprüfung
59 % der kompromittierten Maschinen bei Shai-Hulud 2 waren CI/CD-Runner	Die Angriffsfläche erstreckt sich tief in die Build-Infrastruktur

Organisationen, die Zugangsdatenverwaltung als Lebenszyklus-Disziplin behandeln — mit zentralisierten Tresoren, automatisierter Rotation und durchgesetzter Zugriffskontrolle — werden für die Ära der agentischen KI am besten positioniert sein. Diejenigen, die es als Aufräumaufgabe behandeln, werden weiterhin feststellen, dass ihre Secrets ihre Sicherheitsannahmen überdauern.

Die Daten sind eindeutig: Secrets, die in Code, Konfigurationen und Chat-Nachrichten liegen, sind ein Sicherheitsvorfall, der darauf wartet zu passieren. Passwork gibt Ihrem Team einen einzigen, sicheren Ort zum Speichern, Teilen und Rotieren von Zugangsdaten — mit rollenbasiertem Zugriff, einem vollständigen Audit-Log und selbst gehostetem Deployment, das alles innerhalb Ihrer eigenen Infrastruktur hält. Testen Sie Passwork in Ihrer Infrastruktur

Quelle: GitGuardian, „The State of Secrets Sprawl 2026", veröffentlicht 2026. Alle in diesem Artikel zitierten Statistiken stammen direkt aus diesem Bericht.

FAQ

Was ist Secrets-Ausbreitung?

Secrets-Ausbreitung ist die unkontrollierte Verbreitung hartcodierter Zugangsdaten — API-Schlüssel, Passwörter, Token, Zertifikate und Verbindungszeichenfolgen — über Codebasen, Konfigurationsdateien, CI/CD-Pipelines und Kollaborationstools hinweg. Sie tritt auf, wenn Zugangsdaten schneller erstellt werden, als sie nachverfolgt, rotiert oder widerrufen werden, und hinterlässt Organisationen mit einem wachsenden Bestand ausnutzbarer Zugriffswege, den sie nicht vollständig erfassen können.

Wie viele Secrets wurden 2025 auf GitHub geleakt?

GitGuardian erkannte 2025 28,65 Millionen neue hartcodierte Secrets in öffentlichen GitHub-Commits — ein Anstieg von 34 % gegenüber 2024 und der größte jemals verzeichnete Jahressprung. Diese Zahl umfasst nur öffentliche Repositories. Interne Repositories, Kollaborationstools und selbst gehostete Infrastruktur erhöhen die Gesamtexposition erheblich.

Welcher Prozentsatz der geleakten Secrets wird nie widerrufen?

64 % der im Jahr 2022 als gültig bestätigten Secrets waren im Januar 2026 immer noch gültig und ausnutzbar, was bedeutet, dass sie vier Jahre lang in öffentlichem Code lagen, ohne rotiert oder widerrufen zu werden. Die Gültigkeitsrate lag bei etwa 70 %, als derselbe Datensatz im Januar 2025 erneut getestet wurde, was trotz vier Jahren Exposition nur einen allmählichen Rückgang zeigt.

Warum sind interne Repositories gefährlicher als öffentliche?

Interne Repositories enthalten mit 6× höherer Wahrscheinlichkeit ein hartcodiertes Secret als öffentliche — 32,2 % vs. 5,6 % im Jahr 2025. Teams neigen dazu, innerhalb eines geschlossenen Perimeters weniger vorsichtig zu sein, in der Annahme, dass ein privates Repository von Natur aus sicher ist. Interne Repositories enthalten auch die wertvollsten Zugangsdaten: CI/CD-Token, Cloud-Zugriffsschlüssel und Datenbank-Zugangsdaten — genau das, was Angreifer anvisieren, sobald sie einen Fuß in der Tür haben.

Wie erhöht KI-gestütztes Coding das Risiko von Secrets-Leaks?

KI-Coding-Assistenten generieren größere Commits mit mehr Code pro Änderung, was die Angriffsfläche für die Exposition von Zugangsdaten erhöht. Claude Code-mitautorisierte Commits leakten Secrets mit 3,2 % — mehr als das Doppelte der 1,5 %-Baseline über alle öffentlichen GitHub-Commits. LLM-Infrastruktur-Secrets leaken 5× schneller als Secrets von Kernmodellanbietern. Jede neue KI-Dienst-Integration fügt Zugangsdaten hinzu, die hartcodiert, kopiert und geleakt werden können.

Was sind MCP-Konfigurationsdateien und warum leaken sie Secrets?

Model Context Protocol (MCP) ist der Standard für die Verbindung großer Sprachmodelle mit externen Tools und Datenquellen. MCP-Konfigurationsdateien definieren, wie ein KI-Agent sich mit Datenbanken, APIs und Diensten verbindet — und diese Verbindungen erfordern Zugangsdaten. Im Jahr 2025 fand GitGuardian 24.008 einzigartige Secrets in MCP-Konfigurationsdateien auf öffentlichem GitHub, wobei 2.117 als gültig bestätigt wurden. Offizielle MCP-Setup-Anleitungen normalisieren oft das Hartcodieren von Zugangsdaten direkt in Konfigurationsdateien, was das Problem fortpflanzt.

Was ist ausschließlich validierungsbasierte Priorisierung und warum scheitert sie?

Ausschließlich validierungsbasierte Priorisierung ist die Praxis, Secrets herabzustufen, die nicht als derzeit aktiv bestätigt werden können. Sie scheitert, weil 46 % der kritischen Secrets nicht validiert werden können — sie gehören zu Diensten ohne Validierungs-Checker oder zu generischen Zugangsdatentypen wie privaten Schlüsseln und benutzerdefinierten Token. Teams, die diesen Ansatz verwenden, übersehen fast die Hälfte ihrer gefährlichsten Leaks, während sie Behebungsaufwand für Zugangsdaten mit geringem Risiko verbrennen. Effektive Priorisierung erfordert kontextuelle Risikobewertung, nicht nur eine Gültigkeitsprüfung.

Was ist NHI-Governance und warum ist sie wichtig?

Non-Human Identity (NHI)-Governance ist die Praxis, den vollständigen Lebenszyklus von Maschinenidentitäten — Service-Accounts, API-Schlüssel, Agent-Token und andere nicht-menschliche Zugangsdaten — mit derselben Strenge zu verwalten, die auf menschliche Benutzerkonten angewendet wird. Sie beantwortet drei Fragen: Welche NHIs existieren in der Umgebung, wem gehören sie und worauf können sie zugreifen. Da KI-gestützte Entwicklung die Erstellung von Zugangsdaten beschleunigt, ist NHI-Governance die Disziplin, die verhindert, dass die Erstellungsgeschwindigkeit die Sicherheitslage dauerhaft überholt.

Der Stand der Secrets-Ausbreitung 2026: Wichtige Erkenntnisse aus dem GitGuardian-Bericht

28,65 Millionen Secrets wurden 2025 auf öffentlichem GitHub geleakt. KI beschleunigt das Problem. Interne Repos sind 6× stärker exponiert als öffentliche. Und 64 % der Secrets von 2022 sind heute noch gültig. Das bedeuten die Daten für Ihre Sicherheitslage.

Secrets management Industry reports

May 15, 2026 — 31 min read

El estado de la dispersión de secretos en 2026: hallazgos clave del informe de GitGuardian

En 2025, GitGuardian detectó 28,65 millones de nuevos secretos codificados en commits públicos de GitHub. Esto representa un aumento del 34% respecto al año anterior y el mayor incremento anual jamás registrado por la empresa. Esa cifra cubre únicamente repositorios públicos. El panorama completo, una vez incluidos los sistemas internos, herramientas de colaboración e infraestructura autoalojada, es considerablemente peor.

Tres temas atraviesan los datos:

El desarrollo asistido por IA ha pasado de ser experimental a ser la norma, acelerando la filtración de credenciales en cada capa del stack.
Los sistemas internos están mucho más expuestos de lo que la mayoría de las organizaciones suponen: los repositorios privados, canales de Slack e instancias autoalojadas de GitLab conllevan un riesgo significativo de credenciales.
La remediación sigue siendo el fallo crítico de la industria: el 64% de los secretos confirmados como válidos en 2022 seguían siendo explotables en enero de 2026, cuatro años después de su primera filtración.

Este artículo analiza cada hallazgo con los datos y el contexto que los equipos de TI y seguridad necesitan para impulsar el cambio internamente.

Conclusiones clave

La IA es el principal impulsor de la exposición de credenciales. Ocho de los diez tipos de secretos filtrados con mayor crecimiento están vinculados a servicios de IA. La infraestructura LLM se filtra 5× más rápido que los proveedores de modelos principales.
Los repositorios internos tienen 6× más probabilidad de contener un secreto codificado que los públicos. «Privado» no es un control de seguridad.
Una cuarta parte de todos los incidentes internos se originan fuera del código fuente. Slack, Jira y Confluence representan el 28% de las filtraciones — con una tasa de severidad crítica mayor que los hallazgos basados en código.
La remediación es el factor limitante de la industria. El 64% de los secretos confirmados como válidos en 2022 seguían siendo explotables en enero de 2026.
La priorización solo por validación omite el 46% de los secretos críticos. Las credenciales genéricas — claves privadas, tokens personalizados, contraseñas — no pueden validarse automáticamente pero causan la mitad de todos los incidentes críticos.
Las estaciones de trabajo de desarrolladores y los runners de CI/CD son una superficie de ataque subestimada. El ataque Shai-Hulud 2 encontró 294.842 ocurrencias de secretos en 6.943 máquinas comprometidas; el 59% eran runners de CI/CD.
Los contratistas externos son un vector de secretos sin control. GitGuardian encontró 1.834 incidentes críticos en 13 firmas de consultoría, afectando potencialmente a 1.203 organizaciones cliente.
Los archivos de configuración MCP son una nueva superficie de filtración en gran medida no monitoreada. En 2025, 24.008 secretos únicos fueron expuestos en configuraciones relacionadas con MCP en GitHub público — el 8,8% confirmados como válidos en el momento de la detección.

¿Qué tan grande es el problema de la dispersión de secretos en 2025?

Cómo la IA está impulsando una nueva generación de secretos filtrados

La dispersión de secretos es la proliferación descontrolada de credenciales codificadas (claves API, contraseñas, tokens y certificados) a través de bases de código, archivos de configuración y herramientas de colaboración. Desde 2021, los secretos filtrados en GitHub público han crecido un 152%, mientras que la población de desarrolladores creció un 98%. La brecha se amplía cada año, y 2025 produjo el mayor incremento de volumen anual registrado.

Escala en números

Métrica	Cifra de 2025	Cambio
Total de secretos detectados	28,65 millones	+33,9% interanual
Nuevos secretos codificados en GitHub público	28,65 millones	+34% interanual
Desarrolladores activos en GitHub	22,8 millones	+33,2% interanual
Repositorios con secretos	4.012.054	+39,9% interanual
Commits públicos	1.940 millones	+42,7% interanual
Correos de alerta Pro Bono enviados	2,5 millones	+47% interanual
Secretos por repositorio	~0,32	Estable

La escala del problema es estructural. Más personas escriben más código, integran más servicios de terceros y generan más credenciales que pueden filtrarse.

Una métrica se mantuvo estable: los secretos por repositorio. La densidad permaneció aproximadamente igual, lo que sugiere que Push Protection de GitHub está cumpliendo su función de capturar credenciales comunes antes de que se hagan públicas. Pero el control de densidad no puede detener el crecimiento del volumen. Cuando el número total de commits se cuadruplica, incluso una tasa de filtración estable por repositorio produce un número récord de credenciales expuestas.

Cómo la IA está impulsando una nueva generación de secretos filtrados

El desarrollo asistido por IA ha reconfigurado qué secretos se filtran, con qué rapidez se acumulan y dónde terminan. Ocho de los diez tipos de secretos filtrados con mayor crecimiento interanual están vinculados a servicios de IA. El auge de la infraestructura de IA es el principal impulsor de la exposición de credenciales en este momento.

El auge de la infraestructura de IA

En 2025, GitGuardian detectó 1.275.105 secretos pertenecientes a servicios de IA — un aumento del 81% respecto a 2024.

Detectores específicos con mayor crecimiento (relacionados con IA):

Servicio	Crecimiento interanual	Categoría
Brave Search	+1.255%	API de recuperación
Firecrawl	+796%	API de recuperación
Perplexity	+657%	API de recuperación
Supabase	+992%	Backend / capa de datos
Jina	+334%	Embeddings / búsqueda
LangChain	+108%	Orquestación
Weights & Biases	+114%	Seguimiento de experimentos
OpenRouter	+4.800% (48×)	Gateway de modelos
DeepSeek	+2.300% (23×)	Proveedor de modelos

La tendencia más significativa es qué se está filtrando más allá de los propios proveedores de modelos. La infraestructura LLM (la capa de orquestación, recuperación y almacenamiento que rodea a los modelos principales) se filtra 5× más rápido que los proveedores de modelos. Solo Supabase ahora se ubica entre los 20 secretos más filtrados en general, con más de 248.600 ocurrencias.

El patrón es consistente: los desarrolladores que construyen aplicaciones impulsadas por IA conectan un modelo a una capa de recuperación, una herramienta de orquestación, una base de datos vectorial, un rastreador de experimentos y un servicio de monitoreo. Cada integración añade una nueva credencial. Cada credencial es una filtración potencial.

A medida que emergen nuevos proveedores de IA, hay un retraso inevitable antes de que la cobertura de detección se ponga al día. Push Protection de GitHub se enfoca en patrones conocidos. Los proveedores nuevos pasan desapercibidos. Para cuando se construye un detector, miles de claves pueden ya ser públicas.

Incidente real: En abril de 2026, CloudSEK analizó 10.000 aplicaciones Android y encontró 32 claves API de Google activas en 22 aplicaciones — colectivamente instaladas más de 500 millones de veces. Las claves fueron originalmente integradas para servicios públicos como Maps y Firebase, pero la expansión silenciosa de Google de la API Gemini significó que esas mismas claves ahora otorgaban acceso a endpoints de IA. Un desarrollador reportó $15.400 en cargos no autorizados en cuestión de horas tras la exposición de la clave. Otro perdió $128.000 a pesar de tener controles de seguridad implementados (Infosecurity Magazine, abril de 2026).

Claude Code y los commits asistidos por IA filtran secretos al doble de la tasa base

Claude Code de Anthropic pasó de 22 commits coautorados en enero de 2025 a 2,16 millones en diciembre. Durante todo el año:

Los commits asistidos por Claude Code = 0,4% de todo lo escaneado públicamente
Los commits asistidos por Claude Code = 0,9% de todas las filtraciones
Tasa de filtración: 3,2% vs. 1,5% de referencia en todos los commits públicos de GitHub

Tasa de filtración de Claude Code durante 2025:

Período	Secretos por 1.000 commits	vs. referencia humana
Enero 2025	~13	~1×
Agosto 2025 (pico)	31	~2,4×
Diciembre 2025	~13	~1×

Los commits de Claude Code también fueron consistentemente más grandes — aproximadamente 2× las líneas de código por commit desde abril en adelante. Los commits más grandes significan más superficie de exposición de credenciales en una sola revisión.

El matiz importante: el desarrollador mantiene el control de cada commit. Los asistentes de codificación con IA son herramientas. La tasa de filtración elevada refleja decisiones humanas — descuido, presión de tiempo o decisiones deliberadas de ignorar advertencias — no comportamiento autónomo de la IA.

La conclusión para los equipos de seguridad: trate los conjuntos de cambios generados por IA como unidades de revisión de mayor impacto, mantenga el escaneo automatizado en el flujo de trabajo del desarrollador y mantenga la remediación lo suficientemente rápida para que un secreto filtrado no permanezca válido el tiempo suficiente para ser explotado.

24.000 secretos en archivos de configuración MCP

¿Qué es MCP? Model Context Protocol es el estándar que surgió a principios de 2025 para conectar modelos de lenguaje grandes con herramientas y fuentes de datos externas. Cuando un desarrollador quiere que su agente de IA consulte una base de datos, busque en la web o interactúe con una plataforma SaaS, MCP maneja la conexión — y esas conexiones requieren credenciales.

Hallazgos clave:

24.008 secretos únicos expuestos en archivos de configuración relacionados con MCP en GitHub público en 2025
2.117 confirmados como válidos (8,8%) en el momento de la detección

Los 5 principales tipos de secretos válidos en configuraciones MCP:

Tipo de secreto	Porcentaje de hallazgos válidos
Google API Key	19%
Cadena de conexión PostgreSQL	14%
Firecrawl	12%
Perplexity	11%
Brave Search	11%

Por qué las configuraciones MCP siguen filtrándose: Las guías oficiales de configuración de MCP normalizan la codificación directa. La documentación popular de inicio rápido muestra claves API pasadas como argumentos de línea de comandos dentro de archivos de configuración del servidor, o almacenadas en línea en archivos JSON que se envían al control de versiones. Cuando la documentación oficial trata la codificación directa como predeterminada, la dispersión sigue.

El caso Smithery.ai: El equipo de investigación de GitGuardian reveló una vulnerabilidad crítica en uno de los registros de servidores MCP más utilizados. Un solo error de path traversal en el proceso de construcción Docker de la plataforma expuso un token con privilegios excesivos que otorgaba ejecución de código arbitrario en los más de 3.000 servidores MCP alojados — y acceso a las claves API y secretos de miles de clientes en cientos de servicios.

Gestión de credenciales MCP — estándares mínimos:

Nunca almacene secretos en archivos de configuración MCP. Utilice variables de entorno gestionadas por un gestor de secretos dedicado, no valores en línea en JSON o argumentos CLI.
Los clientes, no los servidores, deben ser propietarios de los secretos. Los servidores MCP deben solicitar credenciales a los clientes en el momento de la consulta en lugar de incrustarlas en la configuración del lado del servidor.
Excluya los directorios de configuración MCP del control de versiones mediante .gitignore.
Conéctese a servidores MCP remotos únicamente a través de TLS.
Escanee antes de hacer push. Las herramientas de escaneo pre-commit detectan secretos en archivos de configuración MCP antes de que lleguen al control de versiones.
Requiera aprobación manual antes de cualquier acción MCP que toque sistemas de producción, bases de datos o pipelines de despliegue.

Los secretos en código, configuraciones y mensajes de chat son una brecha esperando suceder. Passwork proporciona a su equipo un lugar único y seguro para almacenar, compartir y rotar credenciales — para que nunca terminen codificadas en un repositorio o pegadas en un canal de Slack. Explore las capacidades de gestión de secretos de Passwork

Los sistemas internos son un punto ciego peligroso

El hallazgo más consecuente del informe 2026 es el que recibe menos cobertura mediática: el peligro es mayor donde las organizaciones se sienten más seguras. Los repositorios internos, las herramientas de colaboración y la infraestructura autoalojada se tratan como seguros por defecto — pero los datos dicen lo contrario.

Los repositorios internos filtran 6× más que los públicos

Tipo de repositorio	Porcentaje que contiene al menos un secreto codificado
Repositorios públicos	5,6%
Repositorios internos	32,2%
Proporción	6× más probable

La razón es el antipatrón de «seguridad por oscuridad». Los equipos de desarrollo tienden a ser menos cautelosos dentro de un perímetro cerrado. Asumen que exponer un secreto en un repositorio privado es menos dañino porque no está sujeto a escrutinio público. El resultado es una acumulación silenciosa de credenciales codificadas programadas para ser eliminadas «más tarde» — y rara vez lo son.

Los repositorios internos también contienen las credenciales más valiosas:

Tokens de CI/CD
Claves de acceso a la nube
Credenciales de bases de datos
Tokens de herramientas internas

Estos son exactamente los activos que un atacante desea una vez que establece un punto de apoyo. Un solo secreto expuesto en un repositorio privado puede convertirse en un camino rápido hacia el movimiento lateral a través de toda la infraestructura.

Tasas de exposición por industria (repositorios públicos):

Industria	Repos con al menos un secreto
Petróleo y energía natural	7,2%
Aviación	7,0%
Retail y hostelería	5,8%
Salud	4,4%

Estas cifras representan solo lo que es visible externamente. La exposición interna es 6× mayor en todos los sectores.

Las firmas de consultoría convierten la dispersión de secretos en riesgo de terceros

Los contratistas y firmas de consultoría operan simultáneamente en múltiples entornos de clientes. Poseen credenciales, tokens y conocimiento de configuración de cada cliente al que sirven — y frecuentemente trabajan en cuentas personales o repositorios fuera de la organización de GitHub de su cliente.

Análisis de GitGuardian de 13 firmas de consultoría:

Métrica	Cifra
Incidentes críticos / altamente sensibles	1.834
Promedio de incidentes por firma	141
Empresas cliente potencialmente impactadas	1.203
Porcentaje de incidentes de las 5 principales firmas	72%

La brecha de Red Hat (octubre de 2025): El grupo de ciberdelincuentes «Crimson Collective» exfiltró 570 GB de datos de 28.000 repositorios en la instancia interna de consultoría de GitLab de Red Hat, afectando aproximadamente a 800 organizaciones en todo el mundo. Los datos filtrados contenían:

Claves API y credenciales de bases de datos
Tokens de autenticación y configuraciones de VPN
Detalles de infraestructura y arquitectura interna

Las organizaciones afectadas incluyeron a Bank of America, JPMorgan Chase, IBM, Cisco, la Armada de EE.UU. y la NSA. Los atacantes utilizaron las credenciales recolectadas para pivotar directamente hacia la infraestructura del cliente.

Cualquier organización que utilice contratistas o firmas de consultoría tiene un problema de secretos de terceros, haya sido descubierto o no.

Incidente real: En abril de 2026, Vercel confirmó una brecha después de que un actor de amenazas (que afirmaba ser ShinyHunters) publicara en un foro de hacking que estaban vendiendo claves API robadas, tokens de npm, tokens de GitHub, código fuente y acceso a despliegues internos. El acceso inicial vino a través de una herramienta de IA de terceros comprometida (Context.ai), que dio al atacante un punto de apoyo en la cuenta de Google Workspace de un empleado de Vercel. Desde allí, el atacante enumeró variables de entorno que no estaban marcadas como «sensibles» — y por lo tanto no estaban cifradas en reposo. El propio CEO de Vercel confirmó la cadena: una brecha de proveedor → una cuenta de empleado → variables de entorno de producción (BleepingComputer, abril de 2026).

Una de cada cuatro filtraciones internas se origina fuera del código fuente

Origen de los incidentes internos:

Fuente	Porcentaje de incidentes	Tasa de severidad crítica
Código fuente (solo SCM)	68%	43,7%
Herramientas de colaboración (solo ODS)	28%	56,7%
Ambos SCM y ODS	4%	—

Las herramientas de colaboración (Slack, Jira, Confluence) representan el 28% de los incidentes, con una tasa de severidad crítica 13 puntos porcentuales más alta que las filtraciones basadas en código. Los secretos compartidos a través de estas herramientas tienden a ser credenciales de producción compartidas durante la respuesta a incidentes o la resolución urgente de problemas, cuando las personas se mueven rápido y no piensan en la higiene de seguridad.

El 4% de superposición entre hallazgos de SCM y ODS significa que estas son poblaciones de filtraciones en gran medida separadas. Escanear solo repositorios omite aproximadamente una cuarta parte de la exposición total de una organización.

80.000 secretos en GitLab autoalojado y registros Docker

GitGuardian identificó miles de instancias de GitLab autoalojadas y registros Docker dejados accesibles públicamente sin autenticación.

Resumen de hallazgos:

Plataforma	Total de secretos	Secretos válidos	Tasa de validez
GitLab autoalojado	57.000	~6.800	12%
Registros Docker	23.000	~3.450	15%
Total	80.000	~10.000	—

Tasas de validez por tipo de credencial (Docker vs. GitLab):

Tipo de credencial	Docker	GitLab
Credenciales de nube	60% válidas	47% válidas
Secretos de SCM	40% válidos	2% válidos
Almacenamiento de datos	32% válidos	4% válidos

Cuanto más cerca está un activo de producción, mayor es la probabilidad de encontrar una credencial válida. La tasa de filtración de GitLab autoalojado y Docker es 3–4× mayor que la de GitHub público.

La investigación también descubrió más de 300.000 direcciones de correo electrónico (incluyendo 2.000 con dominios .gov) y referencias a hosts de bases de datos internas e infraestructura no pública.

El efecto «muñecas rusas»: las filtraciones expuestas públicamente contienen secretos válidos que otorgan acceso a infraestructura privada, que a su vez expone más secretos, multiplicando la brecha inicial en cada capa.

El 64% de los secretos filtrados en 2022 siguen siendo válidos en 2026

La detección sin remediación no es seguridad — es documentación. Los datos longitudinales del informe 2026 demuestran esto claramente.

Validez de secretos originalmente filtrados en 2022, reevaluados a lo largo del tiempo:

Fecha de reevaluación	Tasa de validez
2022 (filtración original)	100%
Enero 2025	~70%
Enero 2026	64%

Esas credenciales han estado en código público, explotables por cualquiera que las encuentre, durante cuatro años. La persistencia es una señal operativa de que la remediación — no la detección — es el factor limitante de la industria.

Por qué la rotación rara vez ocurre:

Las credenciales no son cadenas aisladas. Están incrustadas en:

Sistemas de construcción y pipelines de CI/CD
Múltiples repositorios (duplicadas)
Imágenes de contenedores (integradas en tiempo de construcción)
Variables de CI y configuraciones de entorno
Integraciones de proveedores y terceros

La decisión a corto plazo que muchos equipos toman no es la más segura — es la que evita romper algo: no hacer nada.

Distribución de violaciones de políticas NHI (datos de clientes de GitGuardian):

Tipo de problema	Porcentaje de problemas marcados
Secretos de larga duración pasados de expiración	60,4%
Filtraciones internas	17,0%
Secretos duplicados	15,6%
Filtración pública	5,2%

La velocidad de creación está superando la madurez de identidad. La IA facilita la creación de proyectos y la conexión de servicios, pero también facilita reproducir patrones inseguros a escala cuando el movimiento predeterminado es «simplemente añadir una clave».

Por qué falla la priorización solo por validación

Una suposición generalizada en la seguridad de secretos: si un secreto no puede ser validado — confirmado como actualmente activo — se debe despriorizarlo. El informe 2026 desafía esto directamente.

El 46% de los secretos críticos son invisibles para las herramientas de solo validación

Métrica	Cifra
Secretos críticos omitidos por herramientas de solo validación	46%
Secretos de alta criticidad o superior que nunca se abordan	83%
Tasa de precisión de solo validación	~50%
Secretos no validables clasificados como críticos	17.000
Secretos no validables clasificados como de alto riesgo	80.000+

La brecha existe porque la cobertura de validación siempre es incompleta:

Las APIs cambian sin previo aviso
Nuevos servicios se lanzan constantemente
Cada proveedor requiere infraestructura dedicada para validar
Las plataformas regionales y específicas de la industria proliferan

Ignorar los secretos no validables por defecto no es una estrategia conservadora. Es un punto ciego sistemático.

Los secretos genéricos causan la mitad de todos los incidentes críticos

Los «secretos genéricos» — claves privadas, tokens API personalizados, contraseñas y mecanismos de acceso detectados mediante verificaciones de entropía y contexto en lugar de patrones específicos del proveedor — se despriorizan rutinariamente porque no pueden validarse automáticamente.

Los datos dicen que esto es un error:

35% de los incidentes críticos se remontan a credenciales genéricas
51% de los incidentes de alta criticidad o críticos se remontan a credenciales genéricas

La investigación conjunta con Google (2025): GitGuardian y Google analizaron un millón de claves privadas filtradas contra los registros de Certificate Transparency. Hallazgos clave:

El 4,5% de las claves filtradas se correspondían con certificados X.509 de confianza
La mitad tenía un certificado válido en el momento de la filtración
Más de 4.000 certificados HTTPS se ven comprometidos por año debido a una clave filtrada
Las organizaciones afectadas incluyeron múltiples empresas Fortune 500 y una Autoridad de Certificación de confianza
GitGuardian envió más de 4.000 correos de alerta a 600 organizaciones — tasa de respuesta: menos del 10%

Válido no siempre significa peligroso

El problema inverso es igualmente real. Aproximadamente el 10% de los secretos válidos son inherentemente de bajo impacto — tokens de sandbox, credenciales de entornos de prueba, cuentas de servicio con privilegios bajos con acceso solo a datos triviales.

Sin puntuación de riesgo contextual, los equipos rotan credenciales en orden de detección o validación, no en orden de amenaza.

Las cuatro capacidades que requiere una seguridad de secretos efectiva:

Capacidad	Qué hace
Enriquecimiento	Comprende qué desbloquea cada secreto
Contexto	Evalúa privilegio, alcance y exposición
Puntuación de riesgo	Prioriza según el impacto real en el negocio
Cobertura completa	Aborda la cola larga, no solo la minoría validada

Los equipos que aún operan con enfoques de solo validación están sistemáticamente expuestos exactamente a las amenazas que más importan — mientras consumen tiempo de ingeniería en credenciales que representan poco peligro real.

La estación de trabajo del desarrollador como superficie de ataque pasada por alto

El ataque a la cadena de suministro Shai-Hulud 2 proporcionó a GitGuardian datos empíricos directos sobre cómo se ven realmente los secretos en las máquinas de los desarrolladores a escala. Al comprometer paquetes de npm y ejecutarse en el momento de la instalación, el malware recopiló sistemáticamente archivos de entorno y ejecutó escaneos estructurados de secretos locales en miles de máquinas reales.

Hallazgos de Shai-Hulud 2 en 6.943 máquinas comprometidas:

Métrica	Cifra
Total de ocurrencias de secretos	294.842
Secretos únicos identificados	33.185
Aún válidos en el momento del análisis	3.760
Promedio de ubicaciones por secreto activo	~8
Máquinas con más de 10 secretos	44%
Máquinas con más de 100 secretos	5%
Runners de CI/CD (vs. estaciones de trabajo personales)	59%

Cada secreto activo aparecía en aproximadamente ocho ubicaciones diferentes en la misma máquina — dotfiles, perfiles de shell, salidas de construcción, configuraciones de IDE y cachés de herramientas. Cada copia es un vector independiente para el robo.

Los tokens de GitHub dominaron el conjunto validado:

581 tokens de acceso personal
386 tokens OAuth
104 PAT de grano fino
101 tokens de GitLab

Cada uno permite acceso a repositorios, manipulación de flujos de trabajo o movimiento lateral a través de la cadena de suministro de software. Y debido a que el 59% de las máquinas comprometidas eran runners de CI/CD, esta exposición se extiende mucho más allá del desarrollador individual hacia la infraestructura de construcción compartida.

GitGuardian considera estas cifras conservadoras. El ataque solo se ejecutó donde se instaló el paquete malicioso. No alcanzó carpetas de memoria de agentes, cachés de IDE o la creciente superficie de artefactos generados por IA que ahora incluyen rutinariamente credenciales.

Passwork está disponible como solución autoalojada con control total sobre sus datos. Reemplaza archivos .env compartidos, credenciales pegadas en chat y tokens integrados en configuraciones de CI/CD — con una bóveda estructurada, acceso basado en roles y un registro de auditoría completo. Explore las opciones de despliegue de Passwork

El camino a seguir: De la detección reactiva a la gobernanza de NHI

La detección captura lo que ya existe. El objetivo es adelantarse a la exposición — visibilidad completa de cada credencial en el entorno: quién la posee, a qué accede y si debería seguir existiendo. Ese cambio, de perseguir filtraciones a gobernar identidades no humanas, es lo que significa la gobernanza de NHI en la práctica.

Paso 1. Centralizar secretos en plataformas de bóveda

Haga de la bóveda la fuente de verdad. Cuando los equipos pueden recuperar credenciales de manera confiable desde una única ubicación con control de acceso, dejan de inventar estrategias de almacenamiento fragmentadas — uno de los principales impulsores de la dispersión de secretos. La estructura de bóveda de Passwork está diseñada exactamente para esto: almacenamiento organizado, cifrado y con control de acceso para claves API, contraseñas de bases de datos, certificados, claves SSH y credenciales de cuentas de servicio.

Paso 2. Automatizar la rotación

Si un secreto debe existir, no debería vivir para siempre. El reemplazo regular de credenciales acorta la ventana en que un atacante puede explotar un secreto filtrado y obliga a los equipos a tratar las credenciales como objetos con un ciclo de vida, no como tareas de configuración de una sola vez. La rotación es mucho más simple una vez que existe una estrategia de bóveda — la bóveda se convierte en la única ubicación a actualizar, en lugar de buscar cada lugar donde se copió una credencial.

Paso 3. Corregir los flujos de trabajo de los desarrolladores

Los desarrolladores codifican secretos directamente porque es la forma más rápida de hacer que el código funcione. Elimine la necesidad de archivos .env compartidos y tokens copiados haciendo que la recuperación de credenciales basada en bóveda sea igualmente rápida. El camino seguro tiene que ser más fácil que el inseguro.

Paso 4. Adelantar el escaneo

El escaneo pre-commit y la detección a nivel de estación de trabajo detienen los incidentes antes de que lleguen a cualquier lugar permanente. Las herramientas de escaneo modernas proporcionan señales accionables con bajas tasas de falsos positivos — una mejora significativa respecto a las herramientas ruidosas que erosionaron la confianza de los desarrolladores en el pasado.

Paso 5. Avanzar hacia la autenticación basada en identidad

La salida a largo plazo de los secretos estáticos de larga duración es el acceso de corta duración basado en identidad. Marcos como SPIFFE, implementados por SPIRE de código abierto, reemplazan la autenticación de cadenas compartidas con identidad de carga de trabajo fuertemente atestiguada. Cada carga de trabajo recibe credenciales de corta duración just-in-time en lugar de una clave estática que puede ser copiada, filtrada y explotada durante años.

Tres principios para 2026

Principio	Qué significa en la práctica
Tratar los repos internos como fuentes de filtración de primera clase	Aplique el mismo rigor de remediación a los hallazgos internos que a los públicos. Las credenciales de mayor valor viven en sistemas privados.
Extender la detección más allá del código	Escanee Slack, Jira y Confluence. Escanear solo repositorios omite una cuarta parte de la exposición total.
Eliminar completamente los secretos codificados	Elimine la causa raíz: credenciales estáticas de larga duración que viven en código, configuraciones y registros de chat en lugar de sistemas de gestión de secretos.

Tres preguntas de gobernanza que toda organización debe responder

¿Qué identidades no humanas existen en nuestro entorno?
¿Quién las posee?
¿A qué pueden acceder?

Si alguna de esas preguntas no puede responderse con confianza, la adopción de IA está superando la postura de seguridad.

Conclusiones clave para equipos de TI y seguridad

El informe 2026 de GitGuardian es un relato detallado de un problema en aceleración. Esto es lo que los datos exigen en la práctica:

Hallazgo	Implicación
28,65 millones de nuevos secretos en un año (+34%)	El volumen es estructural — escala con la base de código, no con el descuido
Secretos de servicios de IA aumentaron 81%; la infraestructura LLM se filtra 5× más rápido que los proveedores de modelos	Cada nueva integración de IA añade credenciales que pueden y se filtran
Los repos internos tienen 6× más probabilidad de contener un secreto	«Privado» no es un control de seguridad
El 28% de los incidentes se originan en herramientas de colaboración	Escanear solo repos omite una cuarta parte de la exposición
El 64% de los secretos de 2022 siguen siendo válidos en 2026	La remediación, no la detección, es el cuello de botella
El 46% de los secretos críticos son omitidos por herramientas de solo validación	La puntuación de riesgo requiere contexto, no solo una verificación de validez
El 59% de las máquinas comprometidas en Shai-Hulud 2 eran runners de CI/CD	La superficie de ataque se extiende profundamente en la infraestructura de construcción

Las organizaciones que tratan la gestión de credenciales como una disciplina de ciclo de vida — con bóvedas centralizadas, rotación automatizada y control de acceso aplicado — estarán mejor posicionadas para la era de la IA agéntica. Aquellas que la tratan como una tarea de limpieza seguirán descubriendo que sus secretos sobreviven a sus suposiciones de seguridad.

Los datos son claros: los secretos en código, configuraciones y mensajes de chat son una brecha esperando suceder. Passwork proporciona a su equipo un lugar único y seguro para almacenar, compartir y rotar credenciales — con acceso basado en roles, un registro de auditoría completo y despliegue autoalojado que mantiene todo dentro de su propia infraestructura. Pruebe Passwork en su infraestructura

Fuente: GitGuardian, «The State of Secrets Sprawl 2026», publicado en 2026. Todas las estadísticas citadas en este artículo provienen directamente de ese informe.

Preguntas frecuentes

¿Qué es la dispersión de secretos?

La dispersión de secretos es la proliferación descontrolada de credenciales codificadas — claves API, contraseñas, tokens, certificados y cadenas de conexión — a través de bases de código, archivos de configuración, pipelines de CI/CD y herramientas de colaboración. Ocurre cuando las credenciales se crean más rápido de lo que se rastrean, rotan o revocan, dejando a las organizaciones con un inventario creciente de vías de acceso explotables que no pueden contabilizar completamente.

¿Cuántos secretos se filtraron en GitHub en 2025?

GitGuardian detectó 28,65 millones de nuevos secretos codificados en commits públicos de GitHub en 2025 — un aumento del 34% respecto a 2024 y el mayor incremento anual jamás registrado. Esa cifra cubre únicamente repositorios públicos. Los repositorios internos, herramientas de colaboración e infraestructura autoalojada añaden sustancialmente a la exposición total.

¿Qué porcentaje de secretos filtrados nunca se revocan?

El 64% de los secretos confirmados como válidos en 2022 seguían siendo válidos y explotables en enero de 2026, lo que significa que habían estado en código público durante cuatro años sin ser rotados ni revocados. La tasa de validez era aproximadamente del 70% cuando el mismo conjunto de datos fue reevaluado en enero de 2025, mostrando solo un descenso gradual a pesar de cuatro años de exposición.

¿Por qué los repositorios internos son más peligrosos que los públicos?

Los repositorios internos tienen 6× más probabilidad de contener un secreto codificado que los públicos — 32,2% vs. 5,6% en 2025. Los equipos tienden a ser menos cautelosos dentro de un perímetro cerrado, asumiendo que un repositorio privado es inherentemente seguro. Los repos internos también contienen las credenciales más valiosas: tokens de CI/CD, claves de acceso a la nube y credenciales de bases de datos — exactamente lo que los atacantes buscan una vez que establecen un punto de apoyo.

¿Cómo aumenta la codificación asistida por IA el riesgo de filtraciones de secretos?

Los asistentes de codificación con IA generan commits más grandes con más código por cambio, aumentando la superficie de exposición de credenciales. Los commits coautorados por Claude Code filtraron secretos al 3,2% — más del doble del 1,5% de referencia en todos los commits públicos de GitHub. Los secretos de infraestructura LLM se filtran 5× más rápido que los secretos de proveedores de modelos principales. Cada nueva integración de servicio de IA añade credenciales que pueden codificarse, copiarse y filtrarse.

¿Qué son los archivos de configuración MCP y por qué filtran secretos?

Model Context Protocol (MCP) es el estándar para conectar modelos de lenguaje grandes con herramientas y fuentes de datos externas. Los archivos de configuración MCP definen cómo un agente de IA se conecta a bases de datos, APIs y servicios — y esas conexiones requieren credenciales. En 2025, GitGuardian encontró 24.008 secretos únicos en archivos de configuración MCP en GitHub público, con 2.117 confirmados como válidos. Las guías oficiales de configuración de MCP a menudo normalizan la codificación de credenciales directamente en archivos de configuración, lo que propaga el problema.

¿Qué es la priorización solo por validación y por qué falla?

La priorización solo por validación es la práctica de desprirorizar secretos que no pueden confirmarse como actualmente activos. Falla porque el 46% de los secretos críticos no pueden validarse — pertenecen a servicios sin verificadores de validación, o a tipos de credenciales genéricas como claves privadas y tokens personalizados. Los equipos que usan este enfoque omiten casi la mitad de sus filtraciones más peligrosas mientras gastan esfuerzo de remediación en credenciales válidas de bajo riesgo. La priorización efectiva requiere puntuación de riesgo contextual, no solo una verificación de validez.

¿Qué es la gobernanza de NHI y por qué importa?

La gobernanza de identidades no humanas (NHI) es la práctica de gestionar el ciclo de vida completo de las identidades de máquinas — cuentas de servicio, claves API, tokens de agentes y otras credenciales no humanas — con el mismo rigor aplicado a las cuentas de usuarios humanos. Responde a tres preguntas: qué NHI existen en el entorno, quién las posee y a qué pueden acceder. A medida que el desarrollo asistido por IA acelera la creación de credenciales, la gobernanza de NHI es la disciplina que evita que la velocidad de creación supere permanentemente la postura de seguridad.

El estado de la dispersión de secretos en 2026: hallazgos clave del informe de GitGuardian

28,65 millones de secretos filtrados en GitHub público en 2025. La IA está acelerando el problema. Los repositorios internos están 6 veces más expuestos que los públicos. Y el 64 % de los secretos de 2022 siguen siendo válidos hoy. Esto es lo que los datos significan para su postura de seguridad.

Secrets management Industry reports

May 15, 2026 — 27 min read

The state of secrets sprawl in 2026: Key findings from GitGuardian's report

In 2025, GitGuardian detected 28.65 million new hardcoded secrets in public GitHub commits. That is a 34% increase over the previous year and the largest single-year jump the company has ever recorded. That number covers only public repositories. The full picture, once internal systems, collaboration tools, and self-hosted infrastructure are included, is considerably worse.

Three themes run through the data:

AI-assisted development has moved from experiment to default, accelerating credential leakage at every layer of the stack.
Internal systems are far more exposed than most organizations assume: private repositories, Slack channels, and self-hosted GitLab instances all carry significant credential risk.
Remediation remains the industry's critical failure: 64% of secrets confirmed as valid in 2022 were still exploitable in January 2026, four years after they first leaked.

This article unpacks each finding with the data and context IT and security teams need to make the case for change internally.

Key takeaways

AI is the dominant driver of credential exposure. Eight of the ten fastest-growing leaked secret types are tied to AI services. LLM infrastructure is leaking 5× faster than core model providers.
Internal repositories are 6× more likely to contain a hardcoded secret than public ones. "Private" is not a security control.
A quarter of all internal incidents originate outside the codebase. Slack, Jira, and Confluence account for 28% of leaks — with a higher critical severity rate than code-based findings.
Remediation is the industry's limiting factor. 64% of secrets confirmed as valid in 2022 were still exploitable in January 2026.
Validation-only prioritization misses 46% of critical secrets. Generic credentials — private keys, custom tokens, passwords — cannot be auto-validated but drive half of all critical incidents.
Developer workstations and CI/CD runners are an underestimated attack surface. The Shai-Hulud 2 attack found 294,842 secret occurrences across 6,943 compromised machines; 59% were CI/CD runners.
Third-party contractors are an uncontrolled secrets vector. GitGuardian found 1,834 critical incidents across 13 consulting firms, potentially affecting 1,203 client organizations.
MCP configuration files are a new and largely unmonitored leak surface. In 2025, 24,008 unique secrets were exposed in MCP-related configs on public GitHub — 8.8% confirmed valid at the time of detection.

How big is the secrets sprawl problem in 2025?

How AI is fueling a new generation of leaked secrets

Secrets sprawl is the uncontrolled proliferation of hardcoded credentials (API keys, passwords, tokens, and certificates) across codebases, configuration files, and collaboration tools. Since 2021, leaked secrets on public GitHub have grown 152%, while the developer population grew 98%. The gap is widening every year, and 2025 produced the largest single-year volume increase on record.

Scale by the numbers

Metric	2025 figure	Change
Total secrets detected	28.65 million	+33.9% YoY
New hardcoded secrets on public GitHub	28.65 million	+34% YoY
Active GitHub developers	22.8 million	+33.2% YoY
Repositories with secrets	4,012,054	+39.9% YoY
Public commits	1.94 billion	+42.7% YoY
Pro Bono alert emails sent	2.5 million	+47% YoY
Secrets per repository	~0.32	Stable

The scale of the problem is structural. More people are writing more code, integrating more third-party services, and generating more credentials that can leak.

One metric held steady: secrets per repository. Density stayed roughly flat, which suggests GitHub's Push Protection is doing its job of catching common credentials before they go public. But density control cannot stop volume growth. When the total number of commits quadruples, even a stable leak rate per repository produces a record number of exposed credentials.

New hardcoded secrets detected on public GitHub, 2021–2025

~11M

2021

~14M

2022

~18M

2023

23.8M

2024

28.6M

2025

Key finding: hardcoded secrets on public GitHub grew +152% between 2021 and 2025. The 2025 figure (28,649,024 new secrets) is the largest single-year count GitGuardian has recorded, driven in part by the rapid adoption of AI-assisted coding tools. Source: GitGuardian State of Secrets Sprawl 2026.

About the data source: GitGuardian continuously scans public GitHub commits using its proprietary secrets detection engine. This report is based on analysis of all public repositories throughout 2025, supplemented by data from enterprise deployments and analysis of compromised machines during the Shai-Hulud attack.

How AI is fueling a new generation of leaked secrets

AI-assisted development has reshaped which secrets leak, how fast they accumulate, and where they end up. Eight of the ten fastest-growing types of leaked secrets year-over-year are tied to AI services. The AI infrastructure boom is the dominant driver of credential exposure right now.

The AI infrastructure boom

In 2025, GitGuardian detected 1,275,105 secrets belonging to AI services — an 81% increase over 2024.

Fastest-growing specific detectors (AI-related):

Service	YoY growth	Category
Brave Search	+1,255%	Retrieval API
Firecrawl	+796%	Retrieval API
Perplexity	+657%	Retrieval API
Supabase	+992%	Backend / data layer
Jina	+334%	Embeddings / search
LangChain	+108%	Orchestration
Weights & Biases	+114%	Experiment tracking
OpenRouter	+4,800% (48×)	Model gateway
DeepSeek	+2,300% (23×)	Model provider

The more significant trend is what is leaking beyond the model providers themselves. LLM infrastructure (the orchestration, retrieval, and storage layer that surrounds core models) is leaking 5× faster than the model providers. Supabase alone now ranks in the top 20 most-leaked secrets overall, with over 248,600 occurrences.

The pattern is consistent: developers building AI-powered applications connect a model to a retrieval layer, an orchestration tool, a vector database, an experiment tracker, and a monitoring service. Each integration adds a new credential. Each credential is a potential leak.

As new AI providers emerge, there is an inevitable lag before detection coverage catches up. GitHub Push Protection focuses on known patterns. Novel providers slip through. By the time a detector is built, thousands of keys may already be public.

Real incident: In April 2026, CloudSEK analyzed 10,000 Android apps and found 32 active Google API keys across 22 applications — collectively installed over 500 million times. The keys were originally embedded for public-facing services like Maps and Firebase, but Google's silent expansion of the Gemini API meant those same keys now granted access to AI endpoints. One developer reported $15,400 in unauthorized charges within hours of key exposure. Another lost $128,000 despite having security controls in place (Infosecurity Magazine, April 2026).

Claude Code and AI-assisted commits leak secrets at 2× the baseline

Anthropic's Claude Code went from 22 co-authored commits in January 2025 to 2.16 million in December. Across the full year:

Claude Code-assisted commits = 0.4% of everything scanned publicly
Claude Code-assisted commits = 0.9% of all leaks
Leak rate: 3.2% vs. 1.5% baseline across all public GitHub commits

Claude Code leak rate over 2025:

Period	Secrets per 1,000 commits	vs. human baseline
January 2025	~13	~1×
August 2025 (peak)	31	~2.4×
December 2025	~13	~1×

Claude Code commits were also consistently larger — approximately 2× the lines of code per commit from April onward. Larger commits mean more surface area for credential exposure in a single review.

The important nuance: the developer remains in control of every commit. AI coding assistants are tools. The elevated leak rate reflects human decisions — oversight, time pressure, or deliberate choices to bypass warnings — not autonomous AI behavior.

The takeaway for security teams: treat AI-generated change sets as higher-impact review units, maintain automated scanning in the developer workflow, and keep remediation fast enough that a leaked secret does not remain valid long enough to be exploited.

24,000 secrets in MCP configuration files

What is MCP? Model Context Protocol is the standard that emerged in early 2025 for connecting large language models to external tools and data sources. When a developer wants their AI agent to query a database, search the web, or interact with a SaaS platform, MCP handles the connection — and those connections require credentials.

Key findings:

24,008 unique secrets exposed in MCP-related configuration files on public GitHub in 2025
2,117 confirmed valid (8.8%) at the time of detection

Top 5 valid secret types in MCP configs:

Secret type	Share of valid findings
Google API Key	19%
PostgreSQL connection string	14%
Firecrawl	12%
Perplexity	11%
Brave Search	11%

Why MCP configs keep leaking: Official MCP setup guides normalize hardcoding. Popular quickstart documentation shows API keys passed as command-line arguments inside server config files, or stored inline in JSON files that get committed to version control. When official documentation treats hardcoding as a default, sprawl follows.

The Smithery.ai case: GitGuardian's research team disclosed a critical vulnerability in one of the most widely used MCP server registries. A single path traversal bug in the platform's Docker build process exposed an overprivileged token that granted arbitrary code execution across all 3,000+ hosted MCP servers — and access to the API keys and secrets of thousands of customers across hundreds of services.

MCP credential management — minimum standards:

Never store secrets in MCP config files. Use environment variables managed by a dedicated secrets manager, not inline values in JSON or CLI arguments.
Clients, not servers, should own the secrets. MCP servers should request credentials from clients at query time rather than embedding them in server-side configuration.
Exclude MCP configuration directories from version control via .gitignore.
Only connect to remote MCP servers over TLS.
Scan before pushing. Pre-commit scanning tools detect secrets in MCP config files before they reach version control.
Require manual approval before any MCP action touching production systems, databases, or deployment pipelines.

Secrets sitting in code, configs, and chat messages are a breach waiting to happen. Passwork gives your team a single, secure place to store, share, and rotate credentials — so they never end up hardcoded in a repository or pasted into a Slack channel. Explore Passwork's secrets management capabilities

Internal systems are a dangerous blind spot

The most consequential finding in the 2026 report is one that receives the least press coverage: the danger is greatest where organizations feel safest. Internal repositories, collaboration tools, and self-hosted infrastructure are treated as secure by default — but the data says otherwise.

Internal repositories leak 6× more than public ones

Repository type	Share containing at least one hardcoded secret
Public repositories	5.6%
Internal repositories	32.2%
Ratio	6× more likely

The reason is the "security through obscurity" antipattern. Development teams tend to be less cautious within a closed perimeter. They assume that exposing a secret in a private repository is less harmful because it is not subject to public scrutiny. The result is a silent buildup of hardcoded credentials scheduled to be removed "later" — and rarely are.

Internal repositories also hold the most valuable credentials:

CI/CD tokens
Cloud access keys
Database credentials
Internal tooling tokens

These are exactly the assets an attacker wants once they establish a foothold. A single exposed secret in a private repo can become a fast path to lateral movement across the entire infrastructure.

Industry exposure rates (public repositories):

Industry	Repos with at least one secret
Oil & Natural Energy	7.2%
Aviation	7.0%
Retail & Hospitality	5.8%
Healthcare	4.4%

These figures represent only what is visible externally. Internal exposure is 6× higher across the board.

Consulting firms turn secrets sprawl into third-party risk

Contractors and consulting firms operate across multiple client environments simultaneously. They hold credentials, tokens, and configuration knowledge for every client they serve — and they often work in personal accounts or repositories outside their client's GitHub organization.

GitGuardian's analysis of 13 consulting firms:

Metric	Figure
Critical / highly sensitive incidents	1,834
Average incidents per firm	141
Potentially impacted customer companies	1,203
Share of incidents from top 5 firms	72%

The Red Hat breach (October 2025): The cybercrime group "Crimson Collective" exfiltrated 570 GB of data from 28,000 repositories on Red Hat's internal consulting GitLab instance, affecting approximately 800 organizations worldwide. The leaked data contained:

API keys and database credentials
Authentication tokens and VPN configurations
Infrastructure details and internal architecture

Affected organizations included Bank of America, JPMorgan Chase, IBM, Cisco, the U.S. Navy, and the NSA. The attackers used the harvested credentials to pivot directly into customer infrastructure.

Any organization that uses contractors or consulting firms has a third-party secrets problem, whether or not it has been discovered yet.

Real incident: In April 2026, Vercel confirmed a breach after a threat actor (claiming to be ShinyHunters) posted on a hacking forum that they were selling stolen API keys, npm tokens, GitHub tokens, source code, and access to internal deployments. The initial access came through a compromised third-party AI tool (Context.ai), which gave the attacker a foothold in a Vercel employee's Google Workspace account. From there, the attacker enumerated environment variables that were not marked as "sensitive" — and therefore not encrypted at rest. Vercel's own CEO confirmed the chain: one vendor breach → one employee account → production environment variables (BleepingComputer, April 2026).

One in four internal leaks originate outside the codebase

Where internal incidents originate:

Source	Share of incidents	Critical severity rate
Source code (SCM only)	68%	43.7%
Collaboration tools (ODS only)	28%	56.7%
Both SCM and ODS	4%	—

Collaboration tools (Slack, Jira, Confluence) account for 28% of incidents, with a 13 percentage-point higher critical severity rate than code-based leaks. Secrets shared through these tools tend to be production credentials shared during incident response or urgent troubleshooting, when people are moving fast and not thinking about security hygiene.

The 4% overlap between SCM and ODS findings means these are largely separate leak populations. Scanning only repositories misses roughly a quarter of an organization's total exposure.

80,000 secrets on self-hosted GitLab and Docker registries

GitGuardian identified thousands of self-hosted GitLab instances and Docker registries left publicly accessible without authentication.

Findings summary:

Platform	Total secrets	Valid secrets	Validity rate
Self-hosted GitLab	57,000	~6,800	12%
Docker registries	23,000	~3,450	15%
Total	80,000	~10,000	—

Validity rates by credential type (Docker vs. GitLab):

Credential type	Docker	GitLab
Cloud credentials	60% valid	47% valid
SCM secrets	40% valid	2% valid
Data storage	32% valid	4% valid

The closer an asset is to production, the higher the likelihood of finding a valid credential. The leak rate from self-hosted GitLab and Docker is 3–4× higher than from public GitHub.

The research also uncovered 300,000+ email addresses (including 2,000 with .gov domains) and references to internal database hosts and non-public infrastructure.

The "Russian dolls" effect: publicly exposed leaks contain valid secrets that grant access to private infrastructure, which in turn exposes more secrets, compounding the initial breach at each layer.

64% of leaked secrets from 2022 are still valid in 2026

Detection without remediation is not security — it is documentation. The longitudinal data in the 2026 report makes this case clearly.

Validity of secrets originally leaked in 2022, retested over time:

Retest date	Validity rate
2022 (original leak)	100%
January 2025	~70%
January 2026	64%

Those credentials have been sitting in public code, exploitable by anyone who finds them, for four years. The persistence is an operational signal that remediation — not detection — is the industry's limiting factor.

Why rotation rarely happens:

Credentials are not isolated strings. They are embedded across:

Build systems and CI/CD pipelines
Multiple repositories (duplicated)
Container images (baked in at build time)
CI variables and environment configs
Vendor and third-party integrations

The short-term choice many teams make is not the safest one — it is the one that avoids breaking anything: do nothing.

NHI policy breach distribution (GitGuardian customer data):

Issue type	Share of flagged issues
Long-lived secrets past expiration	60.4%
Internal leaks	17.0%
Duplicated secrets	15.6%
Public leakage	5.2%

Creation velocity is outpacing identity maturity. AI makes it easier to scaffold projects and connect services, but also easier to reproduce insecure patterns at scale when the default move is "just add a key."

Why validation-only prioritization fails

A widespread assumption in secrets security: if a secret cannot be validated — confirmed as currently active — deprioritize it. The 2026 report challenges this directly.

46% of critical secrets are invisible to validation-only tools

Metric	Figure
Critical secrets missed by validation-only tools	46%
High-and-above secrets that never get addressed	83%
Validation-only precision rate	~50%
Unvalidatable secrets classified as critical	17,000
Unvalidatable secrets classified as high risk	80,000+

The gap exists because validation coverage is always incomplete:

APIs change without notice
New services launch constantly
Each provider requires dedicated infrastructure to validate
Regional and industry-specific platforms proliferate

Ignoring unvalidatable secrets by default is not a conservative strategy. It is a systematic blind spot.

Generic secrets drive half of all critical incidents

"Generic secrets" — private keys, custom API tokens, passwords, and access mechanisms detected through entropy checks and context rather than provider-specific patterns — are routinely deprioritized because they cannot be automatically validated.

The data says this is a mistake:

35% of critical incidents trace back to generic credentials
51% of high-or-critical incidents trace back to generic credentials

The Google joint research (2025): GitGuardian and Google analyzed one million leaked private keys against Certificate Transparency logs. Key findings:

4.5% of leaked keys mapped to trusted X.509 certificates
Half had a valid certificate at the time they leaked
4,000+ HTTPS certificates are compromised per year because of a leaked key
Affected organizations included multiple Fortune 500 companies and a trusted Certificate Authority
GitGuardian sent 4,000+ alert emails to 600 organizations — response rate: under 10%

Valid does not always mean dangerous

The inverse problem is equally real. Approximately 10% of valid secrets are inherently low-impact — sandbox tokens, test environment credentials, low-privilege service accounts with access only to trivial data.

Without contextual risk scoring, teams rotate credentials in detection order or validation order, not threat order.

The four capabilities effective secrets security requires:

Capability	What it does
Enrichment	Understands what each secret unlocks
Context	Assesses privilege, scope, and exposure
Risk scoring	Prioritizes based on actual business impact
Full coverage	Addresses the long tail, not just the validated minority

Teams still operating on validation-only approaches are systematically exposed to exactly the threats that matter most — while burning engineering time on credentials that pose little real danger.

The developer workstation as an overlooked attack surface

The Shai-Hulud 2 supply chain attack gave GitGuardian direct empirical data on what secrets actually look like on developer machines at scale. By compromising npm packages and executing at install time, the malware systematically harvested environment files and ran structured local secret scans across thousands of real machines.

Shai-Hulud 2 findings across 6,943 compromised machines:

Metric	Figure
Total secret occurrences	294,842
Unique secrets identified	33,185
Still valid at time of analysis	3,760
Average locations per live secret	~8
Machines with 10+ secrets	44%
Machines with 100+ secrets	5%
CI/CD runners (vs. personal workstations)	59%

Each live secret appeared in roughly eight different locations on the same machine — dotfiles, shell profiles, build outputs, IDE configs, and tool caches. Each copy is an independent vector for theft.

GitHub tokens dominated the validated set:

581 personal access tokens
386 OAuth tokens
104 fine-grained PATs
101 GitLab tokens

Each one enables repository access, workflow manipulation, or lateral movement across the software supply chain. And because 59% of compromised machines were CI/CD runners, this exposure extends well beyond the individual developer into shared build infrastructure.

GitGuardian considers these numbers conservative. The attack only ran where the malicious package was installed. It did not reach agent memory folders, IDE caches, or the growing surface area of AI-generated artifacts that now routinely include credentials.

Passwork is available as a self-hosted solution with full control over your data. It replaces shared .env files, credentials pasted into chat, and tokens baked into CI/CD configs — with a structured vault, role-based access, and a full audit log. Explore Passwork's deployment options

The path forward: From reactive detection to NHI governance

Detection catches what already exists. The goal is to get ahead of exposure — complete visibility into every credential in the environment: who owns it, what it accesses, and whether it should still exist at all. That shift, from chasing leaks to governing non-human identities, is what NHI governance means in practice.

Step 1. Centralize secrets in vault platforms

Make the vault the source of truth. When teams can reliably retrieve credentials from a single, access-controlled location, they stop inventing fragmented storage strategies — one of the primary drivers of secrets sprawl. Passwork's vault structure is designed for exactly this: organized, encrypted, and access-controlled storage for API keys, database passwords, certificates, SSH keys, and service account credentials.

Step 2. Automate rotation

If a secret must exist, it should not live forever. Regular credential replacement shortens the window an attacker can exploit a leaked secret and forces teams to treat credentials as objects with a lifecycle, not one-time setup tasks. Rotation is far simpler once a vaulting strategy is in place — the vault becomes the single location to update, rather than hunting down every place a credential was copied.

Step 3. Fix developer workflows

Developers hardcode secrets because it is the fastest way to get code working. Remove the need for shared .env files and copied tokens by making vault-based credential retrieval equally fast. The secure path has to be easier than the insecure one.

Step 4. Shift scanning earlier

Pre-commit scanning and workstation-level detection stop incidents before they land anywhere permanent. Modern scanning tools provide actionable signal with low false-positive rates — a significant improvement over the noisy tools that eroded developer trust in the past.

Step 5. Move toward identity-based authentication

The long-term exit from long-lived static secrets is short-lived, identity-driven access. Frameworks like SPIFFE, implemented by open-source SPIRE, replace shared-string authentication with strongly attested workload identity. Each workload receives just-in-time, short-lived credentials rather than a static key that can be copied, leaked, and exploited for years.

Three principles for 2026

Principle	What it means in practice
Treat internal repos as first-class leak sources	Apply the same remediation rigor to internal findings as to public ones. The highest-value credentials live in private systems.
Extend detection beyond code	Scan Slack, Jira, and Confluence. Scanning only repositories misses a quarter of total exposure.
Eliminate hardcoded secrets entirely	Remove the root cause: long-lived, static credentials living in code, configs, and chat logs instead of secrets management systems.

Three governance questions every organization must answer

What non-human identities exist in our environment?
Who owns them?
What can they access?

If any of those questions cannot be answered with confidence, AI adoption is outpacing security posture.

Key takeaways for IT and security teams

The 2026 GitGuardian report is a detailed account of an accelerating problem. Here is what the data demands in practice:

Finding	Implication
28.65M new secrets in one year (+34%)	Volume is structural — it scales with the codebase, not with carelessness
AI-service secrets up 81%; LLM infra leaking 5× faster than model providers	Every new AI integration adds credentials that can and do leak
Internal repos 6× more likely to contain a secret	"Private" is not a security control
28% of incidents originate in collaboration tools	Scanning only repos misses a quarter of exposure
64% of 2022 secrets still valid in 2026	Remediation, not detection, is the bottleneck
46% of critical secrets missed by validation-only tools	Risk scoring requires context, not just a validity check
59% of compromised machines in Shai-Hulud 2 were CI/CD runners	The attack surface extends deep into build infrastructure

Organizations that treat credential management as a lifecycle discipline — with centralized vaults, automated rotation, and enforced access control — will be best positioned for the agentic-AI era. Those that treat it as a cleanup task will keep finding that their secrets outlast their security assumptions.

The data is clear: secrets sitting in code, configs, and chat messages are a breach waiting to happen. Passwork gives your team a single, secure place to store, share, and rotate credentials — with role-based access, a full audit log, and self-hosted deployment that keeps everything within your own infrastructure. Try Passwork in your infrastructure

Source: GitGuardian, "The State of Secrets Sprawl 2026," published 2026. All statistics cited in this article are drawn directly from that report.

FAQ

What is secrets sprawl?

Secrets sprawl is the uncontrolled proliferation of hardcoded credentials — API keys, passwords, tokens, certificates, and connection strings — across codebases, configuration files, CI/CD pipelines, and collaboration tools. It occurs when credentials are created faster than they are tracked, rotated, or revoked, leaving organizations with an expanding inventory of exploitable access paths they cannot fully account for.

How many secrets were leaked on GitHub in 2025?

GitGuardian detected 28.65 million new hardcoded secrets in public GitHub commits in 2025 — a 34% increase over 2024 and the largest single-year jump ever recorded. That figure covers only public repositories. Internal repositories, collaboration tools, and self-hosted infrastructure add substantially to the total exposure.

What percentage of leaked secrets are never revoked?

64% of secrets confirmed as valid in 2022 were still valid and exploitable as of January 2026, meaning they had been sitting in public code for four years without being rotated or revoked. The validity rate was approximately 70% when the same dataset was retested in January 2025, showing only a gradual decline despite four years of exposure.

Why are internal repositories more dangerous than public ones?

Internal repositories are 6× more likely to contain a hardcoded secret than public ones — 32.2% vs. 5.6% in 2025. Teams tend to be less cautious within a closed perimeter, assuming that a private repository is inherently safe. Internal repos also hold the most valuable credentials: CI/CD tokens, cloud access keys, and database credentials — exactly what attackers target once they establish a foothold.

How does AI-assisted coding increase the risk of secrets leaks?

AI coding assistants generate larger commits with more code per change, increasing the surface area for credential exposure. Claude Code co-authored commits leaked secrets at 3.2% — more than double the 1.5% baseline across all public GitHub commits. LLM infrastructure secrets are leaking 5× faster than core model provider secrets. Each new AI service integration adds credentials that can be hardcoded, copied, and leaked.

What are MCP configuration files and why do they leak secrets?

Model Context Protocol (MCP) is the standard for connecting large language models to external tools and data sources. MCP configuration files define how an AI agent connects to databases, APIs, and services — and those connections require credentials. In 2025, GitGuardian found 24,008 unique secrets in MCP config files on public GitHub, with 2,117 confirmed valid. Official MCP setup guides often normalize hardcoding credentials directly into config files, which propagates the problem.

What is validation-only prioritization and why does it fail?

Validation-only prioritization is the practice of deprioritizing secrets that cannot be confirmed as currently active. It fails because 46% of critical secrets cannot be validated — they belong to services without validation checkers, or to generic credential types like private keys and custom tokens. Teams using this approach miss nearly half their most dangerous leaks while spending remediation effort on low-risk valid credentials. Effective prioritization requires contextual risk scoring, not just a validity check.

What is NHI governance and why does it matter?

Non-human identity (NHI) governance is the practice of managing the full lifecycle of machine identities — service accounts, API keys, agent tokens, and other non-human credentials — with the same rigor applied to human user accounts. It answers three questions: what NHIs exist in the environment, who owns them, and what can they access. As AI-assisted development accelerates credential creation, NHI governance is the discipline that prevents creation velocity from permanently outpacing security posture.

The state of secrets sprawl in 2026: Key findings from GitGuardian's report

28.65 million secrets leaked on public GitHub in 2025. AI is accelerating the problem. Internal repos are 6× more exposed than public ones. And 64% of secrets from 2022 are still valid today. Here is what the data means for your security posture.