Tag: Data Drift Detection

Data drift è il fenomeno per cui le distribuzioni statistiche dei dati in input a modelli di machine learning cambiano nel tempo rispetto al training set, degradando accuratezza e affidabilità delle predizioni. In ambito cybersecurity, il rilevamento del data drift è critico per sistemi di threat detection basati su ML, anomaly detection, behavioral analytics e modelli di AI security, dove variazioni non monitorate nei pattern di traffico, log o comportamenti utente possono generare falsi positivi, falsi negativi o rendere inefficaci le difese automatizzate.