Paper2026
Material revisado: AbstractEl artículo describe un sistema híbrido de detección de intrusiones que combina un clasificador supervisado entrenado con el conjunto NSL-KDD y un honeypot Docker que se despliega automáticamente ante tráfico sospechoso. El tráfico se clasifica en cinco categorías y un ensemble de votación de tres clasificadores genera la detección.
NetworkHoneypot
Paper2026
Material revisado: Texto completoAporte del editorPacheco y Staino presentan BUDA como propuesta para simular actividad de usuarios ficticios y reforzar la credibilidad de señuelos, alineada con MITRE Engage.
EndpointNetworkDecoyAdversary engagement
Paper2026
Material revisado: Página públicaLos autores proponen SecuPi, un sistema compacto basado en Raspberry Pi que combina monitorización de tráfico en tiempo real, detección híbrida de intrusiones (firmas y aprendizaje automático) y respuesta automática a amenazas. Como mecanismos de engaño y defensa proactiva, plantean el uso de honeypots junto con actualizaciones automáticas de cortafuegos y defensa de objetivo móvil (MTD).
NetworkIoTHoneypotMoving target defense
Paper2026
Material revisado: AbstractLos autores proponen un sistema de defensa cibernética proactiva que combina engaño, simulación de entorno adversario y aprendizaje por refuerzo profundo, con vectores de ataque generados mediante GAN para emular amenazas de día cero y polimórficas. El objetivo es entrenar políticas de defensa adaptativas al contexto que detecten comportamientos maliciosos, reorienten vectores de detección y activen trampas de engaño, evaluado con tráfico bueno y adversario en una red sintética de red eléctrica inteligente.
NetworkOT/ICSDecoyAdversary engagement
Paper2026
Material revisado: AbstractEste artículo presenta ShellGames, un simulador de shell SSH basado en modelos de lenguaje de gran tamaño (LLM) diseñado para sostener sesiones interactivas de engaño creíbles con adversarios. Según los autores, el sistema combina técnicas como razonamiento en cadena, gestión de memoria, ejecución especulativa de comandos, enrutamiento a entornos sandbox y detección de subversión para superar limitaciones comunes de los LLM. Los autores reportan mejoras en precisión, consistencia y seguimiento de estado frente a líneas base, y un estudio con usuarios que indica una realismo percibido comparable a un shell real.
NetworkEndpointHoneypotMoving target defense
Paper2026
Material revisado: AbstractLos autores presentan HoneyMed, un framework de honeypot consciente de protocolos que simula servicios sanitarios y de IoT para recoger interacciones maliciosas, convertirlas en características tabulares para aprendizaje automático y clasificar tipos de ataque en tiempo real. El propósito declarado es ofrecer visibilidad de amenazas en entornos de prueba de seguridad de IoMT mediante señuelos, extracción de características y clasificadores ligeros, sin interactuar con activos médicos en producción.
IoTNetworkHoneypotDecoy
Paper2026
Material revisado: AbstractEste trabajo presenta un método para estimar un límite inferior del número de redes que generan tráfico falsificado en ataques DRDoS, utilizando una infraestructura global de honeypots de amplificación anycast. Los autores desarrollan dos estimadores basados en honeypots receptores y variaciones de TTL, analizando 287 días de ataques de amplificación. Según los autores, al menos el 21.0% de los ataques se originan en múltiples ubicaciones de red.
NetworkHoneypot
Software abierto2026
Material revisado: Metadatos del repositorioRepositorio que documenta a low/zero interaction ssh authentication logging honeypot
NetworkHoneypot
Software abierto2026
Material revisado: Metadatos del repositorioRepositorio que documenta a low-interaction SSH honeypot written in C
NetworkHoneypot
Paper2026
Material revisado: AbstractSegún los autores, este trabajo presenta SysEvolve, un sistema que integra tres componentes co-diseñados (SysField, SysSpear y SysArmor) para crear un bucle adversarial autodirigido entre agentes de ataque y defensa basados en LLM. Los autores describen la construcción de rangos cibernéticos multi-host realistas, generación de esquemas de ataque y defensa interpretable en tiempo real. También señalan que los endpoints señuelo desplegados en el rango afectan el comportamiento de los agentes LLM.
NetworkDecoyAdversary engagement
Paper2026
Material revisado: AbstractLos autores emplean un honeypot de voz interactivo con personas basadas en modelos de lenguaje sobre números reales de EE.UU. para medir la prevalencia de voces automatizadas y sintéticas en llamadas no deseadas. Combinan huellas de audio, un detector comercial de voz sintética y evaluadores humanos para caracterizar el tráfico de llamadas.
NetworkHoneypot
Paper2026
Material revisado: Metadatos editorialesRegistro bibliográfico sobre realismo y eficiencia de deception. El resumen y los resultados aún requieren lectura.
NetworkDecoy
Paper2026
Material revisado: AbstractLos autores presentan Trident, un marco de red teaming basado en LLM agénticos para evaluar la robustez de defensas de ciberseguridad basadas en aprendizaje por refuerzo profundo (DRL). El trabajo incluye un banco de pruebas dinámico, un conjunto de datos de interacciones rojo-azul y una arquitectura agéntica que genera estrategias de ataque y las traduce en políticas ejecutables contra defensores DRL. Según los autores, Trident reduce significativamente el desempeño defensivo y descubre comportamientos emergentes como la evitación de señuelos.
NetworkDecoyAdversary engagement
Paper2026
Material revisado: AbstractEl artículo presenta TrustFed-Honeypot, un marco híbrido federado con reentrenamiento para IDS basados en honeypots. Los clientes entrenan localmente y el servidor reentrena un modelo logístico global sobre muestras ponderadas por un modelo de confianza conductual multis señal, con el fin de remodelar la distribución de reentrenamiento.
NetworkHoneypot
Software abierto2026
Material revisado: Metadatos del repositorioRepositorio que documenta simple DNS honeypot script
NetworkHoneypot
Paper2026
Material revisado: AbstractEl estudio propone un sistema de detección no supervisado basado en modelos de la familia autoencoder que aprenden el comportamiento normal del tráfico y señalan anomalías mediante el error de reconstrucción (MSE), aplicado a metadatos de múltiples fuentes (Wireshark, registros de cortafuegos y honeypot T-Pot) recogidos durante quince días en una VLAN empresarial real. Los autores incorporan inteligencia de amenazas externa (AbuseIPDB, OTX) y un sistema de puntuación multidimensional (MDSS) para convertir las detecciones en puntuaciones de riesgo priorizadas, y validan las anomalías mediante dos canalizaciones MITRE ATT&CK.
NetworkIoTHoneypot
Paper2025
Material revisado: AbstractSegún el resumen, los autores presentan un modelo descriptivo que incorpora factores psicológicos y estratégicos (creencia, escepticismo, fidelidad del engaño, reconocimiento y experiencia) para explicar la decisión inicial de un atacante de comprometerse o retirarse frente a técnicas de ciberengaño. Los autores indican que han diseñado experimentos con actividades tipo Capture the Flag y observaciones biométricas para evaluar el modelo, pero aclaran explícitamente que estos experimentos aún no se han realizado y no se presentan resultados experimentales en el artículo.
NetworkDecoyAdversary engagement
Paper2025
Material revisado: AbstractLos autores proponen un modelo teórico de juegos de suma no nula para representar las interacciones estratégicas entre atacantes y defensores cibernéticos, incorporando funciones de pago que consideran probabilidades y costos de exploits, valores de nodos de red y costos de despliegue de honeypots. Mediante simulaciones, derivan equilibrios de Nash para informar decisiones estratégicas de defensa, encontrando que exploits de alta probabilidad y bajo costo como phishing requieren mecanismos de defensa priorizados.
NetworkHoneypot
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: AbstractLos autores presentan un entorno simulado tipo Gym para el aprendizaje por refuerzo adversarial en seguridad de redes, en el que agentes atacantes y defensores entrenados con DQN compiten en un marco de recompensa de suma cero. El entorno modela ataques de fuerza bruta y defensas reactivas, incluyendo trampas tipo honeypot y limitación de tasa adaptativa, y los autores reportan que la observabilidad del defensor y la efectividad de las trampas crean barreras sustanciales frente a los ataques.
NetworkHoneypotAdversary engagement
Paper2025
Material revisado: AbstractEl trabajo describe un sistema de detección de intrusiones basado en aprendizaje automático, complementado con la integración del honeypot Cowrie para capturar datos de comportamiento de atacantes y así mejorar la detección de indicadores de compromiso y patrones de ataque. Los autores presentan una arquitectura multi-VM aislada, modelos supervisados y no supervisados (Random Forest, Logistic Regression, Isolation Forest), una API en Flask para clasificación en tiempo real y cuadros de mando en Kibana y Power BI, con el propósito de detectar tanto amenazas conocidas como desconocidas.
NetworkHoneypot
Paper2025
Material revisado: AbstractLos autores proponen ADLAH, una arquitectura conceptual de honeynet adaptativo que emplea aprendizaje por refuerzo para decidir en tiempo real cuándo escalar sesiones desde sensores de baja interacción hacia honeypots de alta interacción provisionados dinámicamente. Se describe como un prototipo del mecanismo central de decisión, sin validación a escala real debido a la falta de datos en vivo suficientes.
NetworkHoneypotAdversary engagement
Paper2025
Material revisado: AbstractLos autores presentan ADIRDS, un sistema de monitoreo en línea que modela el sistema real como un grafo y vigila activos críticos, desplegando honeypots realistas con contexto empresarial similar al sistema real para atrapar atacantes y recolectar evidencia cuando los registros son insuficientes. Según los autores, aplicaron el sistema a un caso real capturando 38 direcciones IP de atacantes únicas.
NetworkHoneypotDecoy
Paper2025
Material revisado: AbstractEl estudio analiza patrones y tácticas de actores maliciosos mediante una versión modificada de T-Pot Honeypot, con múltiples honeypots en contenedores Docker que emulan servicios vulnerables. Busca recopilar y analizar intentos de explotación, evasión y credenciales para caracterizar amenazas y ajustar la ciberdefensa.
NetworkHoneypot