ExtraHop关于新加坡的调查显示，攻击者进入网络与防守方发现入侵之间，可能隔着一段危险的时间差。报告称，近半数勒索软件受害者是在企业数据被盗后才发现网络遭到入侵；在相关勒索软件事件中，攻击者平均潜伏近两个半星期才被发现。6 这凸显了一个重点：防御不能只着眼于挡住攻击者进入，还要尽早识别并遏制已经发生的入侵。

最醒目的信号：数据被盗后才发现入侵

据对ExtraHop调查结果的报道，新加坡勒索软件受害者中，直到数据被盗后才发现入侵的比例，从前一年的15%升至47%，增加了32个百分点。6 同一报道指出，勒索软件事件中的攻击者平均潜伏时间接近两个半星期。6

这两项数据衡量的并非同一件事：前者反映受害者发现入侵时，数据是否已经被盗；后者衡量攻击者在被发现前已在网络内停留多久。两者合起来说明，防守方可能错过了调查可疑活动、在事态扩大前控制入侵的机会。但这些数据本身并不能说明延迟发现的具体原因，也不能证明每家受影响企业经历了完全相同的过程。

攻击尝试不等于成功入侵

卡巴斯基称，2025年在新加坡拦截了逾7万次针对企业的漏洞利用攻击；东南亚地区此类攻击总数超过200万次。37 这些数字反映了攻击尝试的规模，但被拦截的漏洞利用攻击，并不等同于已确认入侵、受害者人数或勒索软件事件。因此，卡巴斯基的数据可作为攻击压力的背景信息，却不能解释ExtraHop报告中的发现，也不能证明某次攻击尝试与报告所述的入侵有关。

AI风险数据需要分开解读

新加坡商业媒体报道的一项调查显示，32%的受访者将AI智能体、智能体基础设施和生成式AI应用列为所在机构面临的最大网络安全风险。37 另据QBE的一项调查，过去一年有39%的新加坡企业经历过至少一次与AI相关的网络事件，在其调查覆盖的市场中比例最高。43 两项数据反映的内容不同：一项是受访者对风险的判断，另一项是企业报告的事件；AI相关事件也不一定意味着发生了经确认的数据泄露或网络入侵。

ExtraHop还报告称，85%的机构经历过源于AI的安全事件、数据暴露或未遂事件。2 这是机构层面的数据，不应说成新加坡专属比例，也不能直接与QBE调查中的事件比例比较。新加坡网络安全局（CSA）则另行指出，全球威胁环境正变得更加复杂，AI也被用于网络攻击。36

现有来源无法证实有关加密通道可见性、告警疲劳、伪装成正常流程的活动或高权限账户的具体新加坡比例，也不足以支持“越来越多企业直到收到赎金要求才发现攻击”的说法。另一篇报道给出了在收到赎金要求后才发现攻击的不同数据，但所提供的摘要没有说明这些数字适用于新加坡。8 现有材料也无法核实所列威胁组织在新加坡的排名，因此不宜把这些细节当作解释ExtraHop检测结果的既定依据。

对企业防守方意味着什么

最稳妥的结论也最明确：在报道所述的新加坡勒索软件案例中，受害者往往在数据被盗后才发现入侵，攻击者则有时间在网络中潜伏。6 这些数字并不能证明究竟是哪类安全控制失效，也无法说明AI、特定威胁组织或某种访问方式导致了发现延迟。

对企业而言，实际重点是缩短从出现可疑活动到确认并采取响应措施之间的时间。企业可以审视团队能否及时调查异常网络和账户活动、还原事件经过，并控制入侵范围。拦截攻击依然重要，但卡巴斯基的数据并不代表相关攻击尝试都已得手；ExtraHop的调查则提醒企业，也要评估攻击者进入网络后，组织能否及时发现并响应。

ExtraHop关于新加坡的调查显示，攻击者进入网络与防守方发现入侵之间，可能隔着一段危险的时间差。报告称，近半数勒索软件受害者是在企业数据被盗后才发现网络遭到入侵；在相关勒索软件事件中，攻击者平均潜伏近两个半星期才被发现。6 这凸显了一个重点：防御不能只着眼于挡住攻击者进入，还要尽早识别并遏制已经发生的入侵。

最醒目的信号：数据被盗后才发现入侵

据对ExtraHop调查结果的报道，新加坡勒索软件受害者中，直到数据被盗后才发现入侵的比例，从前一年的15%升至47%，增加了32个百分点。6 同一报道指出，勒索软件事件中的攻击者平均潜伏时间接近两个半星期。6

这两项数据衡量的并非同一件事：前者反映受害者发现入侵时，数据是否已经被盗；后者衡量攻击者在被发现前已在网络内停留多久。两者合起来说明，防守方可能错过了调查可疑活动、在事态扩大前控制入侵的机会。但这些数据本身并不能说明延迟发现的具体原因，也不能证明每家受影响企业经历了完全相同的过程。

攻击尝试不等于成功入侵

卡巴斯基称，2025年在新加坡拦截了逾7万次针对企业的漏洞利用攻击；东南亚地区此类攻击总数超过200万次。37 这些数字反映了攻击尝试的规模，但被拦截的漏洞利用攻击，并不等同于已确认入侵、受害者人数或勒索软件事件。因此，卡巴斯基的数据可作为攻击压力的背景信息，却不能解释ExtraHop报告中的发现，也不能证明某次攻击尝试与报告所述的入侵有关。

AI风险数据需要分开解读

新加坡商业媒体报道的一项调查显示，32%的受访者将AI智能体、智能体基础设施和生成式AI应用列为所在机构面临的最大网络安全风险。37 另据QBE的一项调查，过去一年有39%的新加坡企业经历过至少一次与AI相关的网络事件，在其调查覆盖的市场中比例最高。43 两项数据反映的内容不同：一项是受访者对风险的判断，另一项是企业报告的事件；AI相关事件也不一定意味着发生了经确认的数据泄露或网络入侵。

ExtraHop还报告称，85%的机构经历过源于AI的安全事件、数据暴露或未遂事件。2 这是机构层面的数据，不应说成新加坡专属比例，也不能直接与QBE调查中的事件比例比较。新加坡网络安全局（CSA）则另行指出，全球威胁环境正变得更加复杂，AI也被用于网络攻击。36

现有来源无法证实有关加密通道可见性、告警疲劳、伪装成正常流程的活动或高权限账户的具体新加坡比例，也不足以支持“越来越多企业直到收到赎金要求才发现攻击”的说法。另一篇报道给出了在收到赎金要求后才发现攻击的不同数据，但所提供的摘要没有说明这些数字适用于新加坡。8 现有材料也无法核实所列威胁组织在新加坡的排名，因此不宜把这些细节当作解释ExtraHop检测结果的既定依据。

对企业防守方意味着什么

最稳妥的结论也最明确：在报道所述的新加坡勒索软件案例中，受害者往往在数据被盗后才发现入侵，攻击者则有时间在网络中潜伏。6 这些数字并不能证明究竟是哪类安全控制失效，也无法说明AI、特定威胁组织或某种访问方式导致了发现延迟。

对企业而言，实际重点是缩短从出现可疑活动到确认并采取响应措施之间的时间。企业可以审视团队能否及时调查异常网络和账户活动、还原事件经过，并控制入侵范围。拦截攻击依然重要，但卡巴斯基的数据并不代表相关攻击尝试都已得手；ExtraHop的调查则提醒企业，也要评估攻击者进入网络后，组织能否及时发现并响应。