全球网络犯罪损失：面向前沿 AI 风险评估的基准
计算机与社会
2026-03-24 v1
摘要
AI 公司和政府日益关注前沿 AI 系统可能促进网络犯罪，但要定义有意义的能力阈值，就需要了解今天的网络犯罪规模。当前的全球网络犯罪损失估计范围从数十亿美元到数万亿美元不等，人们对其可靠性缺乏系统性评估。我们通过调查 27 个现有估计、批判性评估其方法论，并从三个独立来源构建复合估计：来自英国的全国代表性企业受害者调查按比例全球化、来自美国的个人受害者数据按比例全球化，以及全球网络安全支出数据。大规模受害者调查直接从受害者获取损失，避免了执法部门和行业数据库中的报告偏差以及宏观经济方法中的复杂建模假设。我们关注可量化的经济损失——直接损失、响应成本和防御支出，排除难以衡量的成本，如知识产权盗窃和声誉损失。我们估计全球网络犯罪损失约为5000亿美元/年（90% 置信区间：1000亿美元-10000亿美元）。在该基准线上，AI 驱动的增长约为20%将额外增加1000亿美元或更多，达到一些公司确定的需要额外缓解措施的阈值。然而，网络犯罪数据仍不完整，以至于无法直接检测此类增量增加，防御性 AI 应用也可能部分抵消进攻击性收益。我们的 метод论将可能的损失估计从多个数量级缩小到更自信的基准，为关于 AI 相关网络犯罪风险的决策提供了基础。
引用
@article{arxiv.2603.20570,
title = {Global Cybercrime Damages: A Baseline for Frontier AI Risk Assessment},
author = {Kamilė Lukošiūtė and John Halstead and Luca Righetti},
journal= {arXiv preprint arXiv:2603.20570},
year = {2026}
}