Le tecniche di Machine Learning hanno dimostrato negli anni di essere un potente alleato nella rilevazione di minacce nel cyberspazio. Ma non sempre individuano correttamente il componente malevolo a causa della complessità degli attacchi che richiede una progettazione accurata della fase di addestramento. Di conseguenza, la superficie di attacco si può ampliare consentendo a chi attacca di ingannare gli strumenti di rilevazione. Solo la conoscenza approfondita dei meccanismi di apprendimento automatico unita alla conoscenza approfondita delle tecniche di attacco consente di sviluppare nuove generazioni di strumenti di difesa in grado di rilevare, in modo robusto, i minimi segnali indicatori di un potenziale attacco.