Paper2026
Material revisado: AbstractEl artículo presenta PHANTOM, un marco que genera honeytokens codificando conocimiento específico de la organización (nombres de dominio, convenciones de servicios, lenguajes tecnológicos y distribuciones realistas de secretos) en una tubería multicomponente. Los autores formalizan una puntuación de credibilidad de cuatro componentes y la usan para comparar PHANTOM con una línea base de plantillas.
HoneytokenDecoy
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: Página públicaDentro de una propuesta de gobernanza para agentes de IA, el preprint describe valores canario plantados y transformaciones precalculadas para detectar su exfiltración.
Honeytoken
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: AbstractEl artículo propone un Índice de Preparación para el Engaño (DRI) para programas de ciberseguridad de ICS y OT. Mediante diseño científico y análisis cualitativo de estándares y guías públicas, puntúa la preparación en gobernanza, arquitectura, monitoreo, personal y seguridad operativa, y lo aplica a tres perfiles sintéticos de infraestructura crítica para detectar brechas antes del despliegue.
OT/ICSDecoy
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: 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: 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: AbstractEste trabajo propone siete técnicas de detección de inyección de prompts que adaptan mecanismos de disciplinas externas a la seguridad de LLM, como lingüística forense, análisis de fatiga de materiales, tecnología de engaño (deception), alineamiento de secuencias de bioinformática, diseño de mecanismos, análisis espectral y seguimiento de contaminación (taint tracking). Según los autores, cuatro de las siete técnicas se implementaron en la herramienta prompt-shield v0.7.3, incluyendo definiciones de herramientas honeypot, y se evaluaron mediante ablaciones en nueve bancos de pruebas con aproximadamente 10.300 muestras.
ApplicationHoneypotDecoy
Paper2026
Material revisado: AbstractEl autor modela los honeytokens como un problema de diseño de información seguido de adquisición de información por el adversario, quien puede pagar por identificarlos mediante fingerprinting. Analiza cómo la prevalencia de trampas instaladas, los costos de fingerprinting y los costos de ajuste afectan la calibración del señuelo y la activación de trampas.
HoneytokenDecoy
Paper2026
Material revisado: AbstractEste trabajo estudia la exfiltración de credenciales por agentes LLM mediante inyección indirecta de prompts, proponiendo tres defensas complementarias según los autores: sondas de activación para detección previa a la salida, honeytokens calibrados mediante predicción conforme dividida, y un presupuesto acumulado de fuga de información a lo largo de conversaciones de múltiples turnos. Los autores reportan resultados preliminares en experimentos controlados con modelos de pesos abiertos y un conjunto sintético de múltiples turnos de tamaño reducido.
ApplicationIdentityHoneytoken
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: 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: AbstractEl artículo presenta Co-ADAM, un marco de defensa que formula el engaño cibernético en el Industrial Internet of Things (IIoT) como un proceso de decisión de Markov con restricciones que incorpora un juego de señalización, con el objetivo de modelar conjuntamente el nivel de inversión en engaño y un adversario co-evolutivo que acumula escepticismo. Los autores describen el entrenamiento de un defensor basado en una red Q profunda (DQN) frente a un conjunto de atacantes adaptativos con restricciones de presupuesto y dinámicas de escepticismo, y reportan evaluación sobre varios conjuntos de datos IIoT y un banco de pruebas físico.
IoTOT/ICSHoneypotDecoy