Una rete neurale LSTM (Long Short-Term Memory) è un tipo di modello di machine learning ricorrente costruito per sequenze e dati di serie temporali. Le sue celle di memoria con cancelli aiutano a conservare il contesto utile su lunghi intervalli di input scartando il rumore irrilevante, il che la rende efficace per la previsione, il rilevamento delle tendenze e il riconoscimento di schemi nei dati che cambiano nel tempo.
Nella sicurezza informatica, le LSTM compaiono spesso nella tecnologia operativa, dove possono prevedere il carico, il comportamento delle apparecchiature o modelli anomali dei sensori a partire dalla telemetria. Questo le rende utili per la difesa, ma anche sensibili alla qualità dei dati. Se un attaccante ritarda, falsifica o avvelena gli input, il modello può produrre previsioni errate che influenzano la pianificazione o le risposte automatizzate. Buone difese mantengono la previsione separata dal controllo principale, convalidano le misurazioni, monitorano il drift del modello e usano una logica di fallback prudente quando la fiducia è bassa.