Il feedback implicito è un dato comportamentale che un sistema inferisce dalle azioni dell'utente invece di chiedere valutazioni esplicite. Esempi comuni includono clic, profondità di scorrimento, pause, tempo di permanenza, visite ripetute e abbandono. Nell'apprendimento automatico, questi segnali vengono spesso usati per addestrare i sistemi di raccomandazione perché sono abbondanti e più facili da raccogliere rispetto alle etichette dirette.
Nella sicurezza informatica, il feedback implicito è importante perché può essere sia un segnale sia una superficie di attacco. I difensori lo usano per rilevare comportamenti anomali degli utenti, ottimizzare il ranking dei contenuti e misurare cosa attira davvero l'attenzione. Gli attaccanti possono tentare di avvelenare questi segnali generando clic falsi o pattern di visualizzazione automatizzati, facendo sì che un modello sopravvaluti determinati contenuti o non rilevi un rischio reale. Poiché il feedback implicito è rumoroso e dipendente dal contesto, i team di sicurezza dovrebbero considerarlo una prova utile, non una verità assoluta, e combinarlo con una validazione più solida e la supervisione umana.