Paper2026
Material revisado: AbstractLos autores proponen un framework de honeypot dinámico que combina un agente de decepción con aprendizaje por refuerzo (Q-learning tabular, formalizado como MDP), fusión de inteligencia de amenazas mediante indicadores de compromiso y acciones automatizadas de contención. Su propósito es adaptar la persona expuesta del honeypot y guiar las decisiones de decepción, evaluándose en un testbed virtualizado aislado.
NetworkCloudHoneypotAdversary engagement
Paper2026
Material revisado: AbstractEl estudio compara, bajo condiciones homogéneas, el rendimiento técnico, el consumo de recursos y los costos operacionales de honeypots tradicionales frente a honeypots que incorporan aprendizaje automático para mejorar el realismo y dificultar el fingerprinting. Los autores desplegaron simultáneamente seis honeypots de código abierto (tres tradicionales y tres con aprendizaje automático) durante 60 días sobre infraestructura Hetzner Cloud y reportan diferencias en interacción útil, fingerprinting y retorno de inversión.
CloudHoneypot
Paper2026
Material revisado: AbstractPresenta el diseño, implementación y evaluación de un sistema de monitoreo con honeypot desplegado en AWS, que emula servicios SSH, HTTP y HTTPS en instancias EC2 dentro de una nube privada virtual aislada. El sistema busca atraer, registrar y analizar interacciones maliciosas, usando un backend en Python con Flask y un panel React/D3.js para visualizar ataques.
CloudNetworkHoneypotDecoy
Paper2026
Material revisado: AbstractEl artículo describe el diseño de un marco de honeypot desplegado en la nube para apoyar la detección de amenazas y la respuesta a incidentes. Según los autores, integra servicios de Microsoft Azure para monitorear y analizar comportamientos maliciosos, con telemetría, inteligencia de amenazas y flujos automatizados.
CloudHoneypot
Paper2026
Material revisado: AbstractEste artículo de datos presenta MURHCAD, un conjunto de datos de honeynet de alta resolución recolectado durante 72 horas en junio de 2025 sobre Microsoft Azure, utilizando tres honeypots (Cowrie, Dionaea y SentryPeer) desplegados en cuatro máquinas virtuales geográficamente dispersas. Según los autores, el conjunto incluye 132,425 eventos de ataque con metadatos enriquecidos (marcas temporales, IPs, geolocalización, puertos y protocolos) destinados a apoyar análisis de detección de anomalías, estudios de mal uso de protocolos e inteligencia de amenazas.
CloudNetworkHoneypot
Paper2026
Material revisado: AbstractEste informe aborda el reto de detectar agentes de ciberataque basados en IA, proponiendo un marco estratégico de 'detección en profundidad'. Según los autores, se presentan cinco mecanismos de detección, incluyendo identificadores de agentes y honeypots de agentes, destinados a apoyar a responsables políticos e industria frente a esta amenaza emergente.
NetworkCloudHoneypotAdversary engagement
Paper2026
Material revisado: AbstractLos autores presentan HoneyRoute, una capa de servicio de inferencia que detecta solicitudes maliciosas y las redirige a un modelo honeypot dedicado, protegiendo el modelo de producción mientras recopila información sobre el atacante. El sistema combina un router de streaming, un honeypot de doble implementación y un bucle de análisis que retroalimenta el entrenamiento del router.
ApplicationCloudHoneypotDecoy
Paper2026
Material revisado: AbstractEl artículo propone una arquitectura de honeypot dinámico nativo de la nube asistido por LLM, donde el modelo actúa solo como sintetizador de texto tras control de políticas y verificación de estado. Los autores describen un broker de sesión que clasifica comandos de atacantes y no los ejecuta, junto con controles de gobernanza ética y un protocolo de evaluación.
CloudNetworkHoneypotAdversary engagement
Paper2026
Material revisado: AbstractEste artículo presenta Ollure, un honeypot de interacción baja y media que emula la API de Ollama sin un modelo de lenguaje real en el backend, según describen los autores. Desplegado en cuatro ubicaciones durante 84 días, registró cientos de miles de interacciones y miles de direcciones IP de origen. El estudio documenta actividad automatizada de descubrimiento y huellas digitales, además de intentos de explotación concretos contra la infraestructura y la capa del modelo de lenguaje.
NetworkApplicationHoneypotDecoy
Paper2025
Material revisado: AbstractEste artículo presenta un marco de defensa automatizado para entornos de nube que utiliza telemetría de honeypots de interacción media a alta para actualizar reglas de firewall en tiempo real. Según los autores, el sistema integra el honeypot Cowrie, herramientas nativas de Azure y clasificación alineada con MITRE ATT&CK dentro de un ciclo de retroalimentación cerrado. Los autores reportan un tiempo medio de bloqueo de 0.86 segundos y la clasificación de más de 12,000 intentos SSH en pruebas experimentales.
CloudNetworkHoneypotAdversary engagement
Paper2025
Material revisado: Página públicaEl artículo estudia archivos cargados por atacantes en un honeypot en la nube y los utiliza para comparar la detección basada en firmas de programas antivirus.
CloudHoneypot
Paper2025
Material revisado: AbstractLos autores presentan Koney, un operador de Kubernetes que orquesta la implementación de tecnología de engaño cibernético mediante documentos de política de engaño descritos como código. Utilizando tecnologías cloud-native como mallas de servicio y eBPF, el sistema agrega trampas a aplicaciones contenedorizadas sin acceso al código fuente, facilitando la configuración, rotación, monitoreo y eliminación de trampas, con énfasis en mantenibilidad, escalabilidad y simplicidad operativa.
CloudApplicationDecoyAdversary engagement
Paper2025
Material revisado: AbstractLos autores presentan ShadowKube, un marco de defensa activa para Kubernetes que combina el monitoreo de comportamiento con honeypots señuelo para detectar y neutralizar conductas anómalas. El enfoque establece líneas base de comportamiento para identificar desviaciones y convierte los nodos comprometidos en honeypots, con el propósito declarado de aislar y atrapar a los atacantes en ataques dirigidos a la orquestación de contenedores.
CloudApplicationHoneypotDecoy
Paper2024
Material revisado: Texto completoLectura críticaRevisión que propone una taxonomía y compara líneas de investigación en cyberdeception, incluidas las que usan IA.
NetworkCloudAdversary engagement
Paper2024
Material revisado: AbstractEl artículo evalúa un grupo específico de sistemas honeypot según criterios como el rango de detección, la precisión de emulación, la calidad de los datos, la fiabilidad, la escalabilidad y la facilidad de configuración, y presenta conclusiones sobre su efectividad relativa en distintos escenarios. También describe avances recientes en el desarrollo de honeypots, como mejoras en aprendizaje automático, mayor automatización, integración con otras herramientas de seguridad, honeypots en la nube y tecnología de decepción, usando ataques simulados para mostrar cómo estos sistemas registran información de ataque.
NetworkCloudHoneypotDecoy
Paper2024
Material revisado: AbstractEl trabajo aborda la automatización del despliegue de honeypots mediante Ansible y una aplicación web que también monitorea el proceso. Los autores describen su propósito de reducir el tiempo y los recursos del despliegue manual y reportan pruebas en sensores sobre Google Cloud Platform.
CloudHoneypot
Paper2023
Material revisado: AbstractEl trabajo describe el despliegue de un conjunto de detectores honeypot orientados a la investigación para analizar y evaluar el comportamiento de los atacantes. Los autores presentan un esquema de despliegue de honeypots containerizados en la nube que, según señalan, resultan portables, duraderos y sencillos de desplegar y administrar, y describen la monitorización instrumentada de la que obtuvieron datos para inferir la actividad y los propósitos de usuarios maliciosos.
CloudNetworkHoneypotDecoy
Paper2023
Material revisado: AbstractEl artículo describe la implementación de un honeypot en Azure Services como complemento a las medidas de seguridad en la nube, y enumera ventajas como la detección temprana de ataques, la identificación de métodos de ataque y la protección de datos críticos. Los autores detallan pasos como la selección de una máquina virtual, la instalación y configuración del software de honeypot, la implementación de monitoreo y registro, la creación de grupos de seguridad, la ejecución de una prueba de penetración y la vigilancia continua.
CloudHoneypot
Paper2023
Material revisado: AbstractEsta tesis presenta una solución de honeypot para investigar actividades maliciosas en el entorno heiCLOUD, mostrando según el autor un aumento significativo de ataques. Se propone un nuevo concepto para detectar fugas en el firewall en zonas de red restringidas, así como un método para la detección de honeypots a nivel de transporte desde la perspectiva del atacante. Además, se presenta un servidor OpenSSH personalizado como instancia intermediaria para mitigar estos esfuerzos.
CloudNetworkHoneypotAdversary engagement
Paper2022
Material revisado: AbstractEl artículo propone EA-POT, un marco de blockchain permisionada asistido por IA explicable para predecir direcciones IP de posibles infractores, registrando esas IP en una base de datos blockchain a partir de las sugerencias de la IA explicable y la aprobación de autorizadores de IP para mejorar la inmutabilidad. Los autores realizaron experimentos en un laboratorio de IoT Cloud con tres modelos de predicción (Random Forest, Regresión Lineal y SVM) y describen un procedimiento que incorpora conocimiento interpretable al incluir en listas negras las IP que alcanzan HoneyPots.
IoTCloudHoneypot
Paper2022
Material revisado: AbstractEl artículo aborda la detección de intrusiones y la seguridad en entornos de nube, y propone el uso de honeypots para desviar tráfico malicioso. Los autores describen la implementación del concepto de honeypot en una aplicación para compartir archivos desplegada en un servidor en la nube, con el fin de detectar ataques y mejorar la seguridad.
CloudApplicationHoneypot
Paper2022
Material revisado: AbstractEl artículo describe un marco de seguridad para entornos multi-nube orientado a desviar la atención del atacante y ganar tiempo para analizar y mitigar intrusiones. El mecanismo propuesto se compone de módulos para gestionar la plataforma multi-nube, un sistema de detección y prevención de intrusiones y honeypots, con resultados de detección comparados en un escenario de dos fases.
CloudNetworkHoneypotDecoy
Paper2022
Material revisado: AbstractEl artículo describe el despliegue de un honeypot en un servicio de nube y el análisis de las interacciones registradas. Después emplea algoritmos de aprendizaje automático para predecir el tipo de amenaza detectada en los honeypots.
CloudHoneypot
Paper2021
Material revisado: AbstractLos autores proponen un marco de engaño defensivo para la nube basada en contenedores, con el objetivo de revelar a atacantes sigilosos mediante información presentada de forma intencionadamente falsificada. El enfoque formaliza un System Risk Graph (SRG) como modelo adversario actualizable, entrena un modelo de aprendizaje por refuerzo profundo (DRL) sobre el SRG para que el agente genere estrategias de colocación de señuelos y rutas engañosas, y define un coeficiente de engaño para evaluar la estrategia de colocación.
CloudDecoyAdversary engagement