Distorsion systématique dans les jeux de données d’entraînement IA qui conduit les modèles à sur-représenter ou sous-représenter certaines catégories, populations ou scénarios. En cybersécurité, cela peut compromettre l’efficacité des systèmes de détection d’anomalies, des classificateurs de menaces et des modèles prédictifs, générant des faux négatifs sur des attaques mal représentées dans les données d’entraînement ou des faux positifs sur des comportements rares mais légitimes. Un problème critique pour la détection basée sur l’apprentissage automatique et l’intelligence des menaces automatisée.