Distorsión sistemática en los conjuntos de datos de entrenamiento de IA que lleva a los modelos a sobrerrepresentar o subrepresentar determinadas categorías, poblaciones o escenarios. En ciberseguridad puede comprometer la eficacia de los sistemas de detección de anomalías, clasificadores de amenazas y modelos predictivos, generando falsos negativos en ataques poco representados en los datos de entrenamiento o falsos positivos en comportamientos raros pero legítimos. Problema crítico para la detección basada en aprendizaje automático y la inteligencia de amenazas automatizada.