Paper2026
Material revisado: Página públicaArtículo que describe un conjunto de datos longitudinal de registros de un honeypot SSH de alta interacción, con intentos de conexión, fuerza bruta de autenticación y ejecución de comandos posteriores al acceso. Su propósito es servir como fuente de referencia para investigación empírica y desarrollo de detección de anomalías.
NetworkHoneypot
Paper2026
Material revisado: AbstractEste trabajo presenta un corpus de conversaciones reales de llamadas de estafa y spam recopiladas mediante un honeypot activo basado en un agente de voz conversacional. Según los autores, el sistema adopta una persona objetivo plausible para sostener interacciones con llamantes fraudulentos, registrando audio, transcripciones y etiquetas automáticas. El estudio describe el sistema de recolección, la estructura de los registros y una evaluación de la realismo y calidad de las etiquetas, además de comparar detectores de estafas entrenados con datos sintéticos frente a tráfico real.
NetworkIdentityHoneypotDecoy
Paper2026
Material revisado: AbstractLos autores proponen TAB-DEN, un marco para sistemas sanitarios de IoT que combina blockchain permisionada con consenso Prueba de Autoridad para autenticación descentralizada, una arquitectura jerárquica de servidores edge que calculan puntuaciones de confianza en tiempo real y desvían el tráfico según su fiabilidad, y nodos edge basados en engaño que actúan como entornos tipo honeypot para atraer, aislar y perfilar a los atacantes. El objetivo declarado es proporcionar seguridad escalable y resistente a ataques cuánticos, registrando los eventos de intrusión mediante un esquema de firma post-cuántico basado en retículos para que los registros de ataque resulten inmutables y verificables en el libro mayor distribuido.
IoTNetworkHoneypotDecoy
Paper2026
Material revisado: AbstractEl artículo propone un marco que combina teoría de juegos con componentes basados en transformers para cuantificar, modelar y optimizar el engaño cibernético. Los autores definen métricas de superficie de ataque engañosa y las integran en un juego de señalización, con el fin de orientar estrategias de decepción adaptativas.
NetworkDecoyMoving target defense
Paper2026
Material revisado: AbstractLos autores presentan un marco bayesiano de Stackelberg con múltiples atacantes para asignar honeypots en una red dirigida, modelando a cada atacante como seguidor con tipo latente y al defensor reoptimizando mediante un programa lineal entero mixto estilo DOBSS bajo creencias posteriores. Buscan escalar la defensa a grafos realistas mediante estructuras por capas y poda.
NetworkHoneypotDecoy
Paper2026
Material revisado: AbstractLos autores presentan AdvancedShelLM, un honeypot SSH basado en LLM que utiliza una arquitectura multiagente (Manager y Worker) para mejorar la comprensión de comandos y la capacidad de engaño respecto a su predecesor shelLM. Según el resumen, el sistema fue evaluado mediante pruebas unitarias, un atacante de IA, atacantes humanos y un despliegue en Internet.
NetworkEndpointHoneypotDecoy
Paper2026
Material revisado: AbstractEl trabajo propone AEGIS-AI, un marco que combina honeypots con aprendizaje por refuerzo y redes neuronales profundas para automatizar el engaño y la detección de actividad maliciosa. Los autores describen estrategias de decepción adaptables en tiempo real mediante procesos de decisión de Markov y aprendizaje federado, y presentan fórmulas para evaluar la efectividad del engaño.
NetworkHoneypotAdversary engagement
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: AbstractEste estudio analiza un corpus de 10,211 llamadas de spam y estafa recolectadas mediante un honeypot de agente de voz con IA que respondía a las llamadas y mantenía conversación con los llamantes. Los autores examinan patrones operativos de las estafas telefónicas, incluyendo horarios de operación, reutilización de guiones, tipos de información solicitada, y la influencia de la identidad simulada del objetivo en la conducta del estafador. También presentan un experimento de detección temprana basado en las primeras líneas de la llamada.
NetworkHoneypot
Paper2026
Material revisado: AbstractEste estudio examina cómo los efectos de anclaje influyen en las decisiones de los atacantes en escenarios de ciberataque, mediante dos experimentos. El primero compara métodos de medición del anclaje en tareas de Crontab y nombres de host; el segundo integra disparadores de sesgo en una cadena de ataque de extremo a extremo.
NetworkEndpointDecoyAdversary engagement
Paper2026
Material revisado: Texto completoAporte del editorArtículo de Pacheco y Staino publicado en las memorias SACS 2026 que describe el diseño educativo reproducible de Cyber Deception Playground.
NetworkApplicationHoneypotDecoy
Paper2026
Material revisado: AbstractEl artículo analiza el uso de tecnologías de Cyber Deception (engaño cibernético) para el estudio de amenazas actuales y el comportamiento de posibles atacantes, y sostiene la utilidad de los sistemas honeypot para recopilar información sobre intentos de acceso no autorizado y técnicas de ciberataque. Sus autores proponen una arquitectura de laboratorio basada en infraestructura virtual con el sistema honeypot Cowrie, orientada a la recolección automatizada de registros de eventos y la monitorización continua de intentos de acceso, procesos de autenticación, comandos ejecutados y análisis posterior de la actividad de los atacantes.
NetworkEndpointHoneypotDecoy
Paper2026
Material revisado: AbstractLos autores analizan los Juegos de Seguridad de Stackelberg (SSG) aplicados a engaño cibernético, proponiendo un Equilibrio Quantal de Stackelberg (QSE) que modela respuestas ruidosas del atacante en lugar de una respuesta óptima perfecta. Según los autores, este enfoque actúa como una forma de seguro frente a errores de especificación del modelo, y se evalúa empíricamente en un estudio de caso de ciberseguridad con vulnerabilidades reales de CVE/CVSS, mostrando ganancias en la utilidad del defensor respecto al enfoque Stackelberg clásico.
NetworkDecoy
Paper2026
Material revisado: AbstractSegún los autores, Chameleon es una arquitectura de honeypot adaptativo que combina un clasificador BiLSTM, un modelo de lenguaje local y dos motores metaheurísticos (TC-PSO y S-RRT) para ajustar dinámicamente retrasos de conexión y esquemas de engaño según el nivel de amenaza detectado. Los autores reportan comparaciones de rendimiento frente a algoritmos estándar y señalan costos operativos reducidos frente a alternativas comerciales.
NetworkHoneypotDecoy
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: Metadatos editorialesRegistro bibliográfico sobre honeypot con modelo ajustado a datos de Cowrie. El resumen y los resultados aún requieren lectura.
NetworkHoneypot
Paper2026
Material revisado: Página públicaLos autores describen la instalación y configuración de Cowrie en Linux como un honeypot de SSH y Telnet que registra intentos de inicio de sesión, credenciales y comandos de atacantes en archivos de log.
NetworkHoneypotAdversary engagement
Paper2026
Material revisado: AbstractLos autores proponen el uso de drones señuelo (honey drones) como estrategia de engaño para defender sistemas de misión de vehículos aéreos no tripulados (UAV) contra ataques de denegación de servicio. Formulan un problema de optimización entre atacante y defensor basado en la fuerza de señal de radio y presentan un enfoque llamado HT-DRL, que combina teoría de hiperjuegos con aprendizaje por refuerzo profundo para identificar estrategias de engaño óptimas.
IoTNetworkDecoyAdversary engagement
Paper2026
Material revisado: AbstractLos autores examinan la suposición de que los señuelos pueden situarse en cualquier punto donde exista comportamiento del atacante, aplicando una rúbrica de cuatro criterios a las 250 técnicas de MITRE ATT&CK v18.1. Concluyen que solo el 32% de las técnicas admiten un señuelo plausible y describen dos patrones de colocación denominados Sweep y Seek, ofreciendo una regla simple para el despliegue de señuelos.
NetworkEndpointDecoyAdversary engagement
Paper2026
Material revisado: AbstractEl trabajo propone DecoyShield, un marco de ciberseguridad basado en engaño para detección proactiva. Emplea entornos de honeypots multiservicio que simulan servicios de red, capturan comportamiento del atacante e integran análisis conductual, inteligencia de amenazas y puntuación dinámica de riesgo para clasificar severidad y desplegar respuestas adaptativas.
NetworkHoneypotDecoy
Paper2026
Material revisado: AbstractEste artículo presenta DecoyTrace, una defensa basada en engaño cibernético proactivo diseñada para entornos de aprendizaje federado descentralizado (DFL) sin servidor. Según los autores, el sistema despliega un DecoyNode móvil que genera desafíos señuelo mediante mapas caóticos, difunde un modelo dual (limpio vs. señuelo) basado en confianza entre pares, y evalúa el comportamiento con métricas semánticas de tres estados para identificar y contener fuentes maliciosas. Los autores reportan evaluaciones en la plataforma NEBULA con múltiples configuraciones, conjuntos de datos y topologías.
NetworkApplicationDecoyAdversary engagement
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: AbstractEste artículo presenta DICOMHawk, un marco de engaño cibernético que emula servicios DICOM y PACS con interacciones realistas, registros médicos dinámicos y honeytokens incorporados, diseñado para proteger infraestructura de imágenes médicas. Según los autores, en un despliegue de 424 días en múltiples redes, DICOMHawk atrajo más sesiones válidas que Dicompot, evitó ser detectado como honeypot y capturó 67 ataques relacionados con el ámbito médico provenientes de 15 IPs únicas.
NetworkApplicationHoneypotHoneytoken