Il bias di previsione è un errore sistematico nella previsione, in cui le stime tendono costantemente a essere troppo ottimistiche, troppo pessimistiche o semplicemente troppo sicure. Invece di un rumore casuale, l'errore segue uno schema: il modello, l'analista o il processo sta usando ipotesi che spingono i risultati in una direzione. In pratica, questo deriva spesso dall'iperadattamento alle tendenze passate, dall'ignorare eventi rari o dal trattare le condizioni odierne come se continuassero immutate.
Nel campo della cybersicurezza, il bias di previsione è importante perché i difensori usano le previsioni per pianificare budget, personale, threat hunting e aggiornamenti dei controlli. Se le previsioni sono troppo basse, i team possono non prepararsi adeguatamente al volume degli attacchi, all'abuso del cloud o alla compromissione delle identità. Se sono troppo alte, le organizzazioni possono spendere su rischi a bassa probabilità mentre trascurano lacune più vicine nel tempo. Anche gli aggressori traggono vantaggio da previsioni distorte nell'intelligence e nella pianificazione, perché un difensore che si aspetta una forma di minaccia sbagliata può lasciare aperte vie reali. Una buona previsione della sicurezza riduce il bias confrontando le previsioni con i risultati, testando le ipotesi e aggiornando i modelli man mano che il comportamento degli aggressori, gli strumenti e l'esposizione cambiano.