Paper2026
Material revisado: AbstractEl resumen describe Honey Shield, un paradigma de ciberseguridad basado en engaño para sistemas de autenticación web. Propone una interfaz centralizada de servicios de defensa, como redirección a honeypot y protección contra inyección SQL, que redirige al usuario malicioso a un sistema señuelo y registra los incidentes para su análisis posterior.
ApplicationIdentityHoneypotDecoy
Paper2026
Material revisado: AbstractEl trabajo presenta HoneyPrompt, una arquitectura de fusión multisensor para detectar y clasificar agentes de IA autónomos que interactúan con sistemas de control industrial. Los autores despliegan un honeypot SCADA marítimo que simula una pasarela de monitoreo de oleoductos en seis protocolos y lo instrumentan con una inyección de prompts graduada como matriz de sensores.
OT/ICSNetworkHoneypotHoneytoken
Paper2026
Material revisado: AbstractEste artículo adapta el instrumento Honeyquest para evaluar de forma automatizada el juicio de atacantes basados en LLM frente a técnicas de engaño cibernético. Según los autores, un conjunto de 21 modelos de distintos proveedores fue comparado con una línea base humana en tareas de reconocimiento, encontrando que los LLM caen en trampas con mayor frecuencia que los humanos y muestran una brecha entre reconocer el engaño en su razonamiento y actuar en consecuencia. Los autores concluyen que las hipótesis de engaño centradas en humanos no se transfieren de forma fiable a atacantes de IA.
NetworkHoneypotDecoy
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: AbstractSegún los autores, HoneyTrap es un marco de defensa engañosa para modelos de lenguaje grandes (LLM) que utiliza cuatro agentes defensores colaborativos para contrarrestar ataques de jailbreak de múltiples turnos, dirigiendo a los atacantes hacia trampas tipo honeypot. Los autores introducen también un conjunto de datos de jailbreak progresivo multi-turno (MTJ-Pro) y dos métricas nuevas para evaluar la defensa engañosa. Reportan reducciones en la tasa de éxito de ataques en varios modelos comerciales y de código abierto.
ApplicationHoneypotAdversary engagement
Paper2026
Material revisado: AbstractEste trabajo presenta Honeyval, un marco de evaluación para honeypots HTTP impulsados por modelos de lenguaje grandes (LLM). Según los autores, el marco utiliza agentes de IA como atacantes y aplicaciones backend diversas para evaluar de forma reproducible el rendimiento y la detectabilidad de estos honeypots frente a métodos de evaluación previos limitados.
NetworkApplicationHoneypotDecoy
Paper2026
Material revisado: AbstractLos autores presentan ICSLure, un marco modular de honeynet destinado a emular entornos realistas de sistemas de control industrial. Integra PLC físicos con fuentes de datos en vivo mediante protocolos industriales y componentes de red virtualizados, con monitorización para registrar interacciones de atacantes.
OT/ICSNetworkHoneypotAdversary engagement
Paper2026
Material revisado: AbstractEste artículo estudia cómo mejorar la precisión de emulación de shell en honeypots SSH basados en LLM locales de peso abierto, mediante diseño de prompts y ajuste fino supervisado, comparando ocho modelos frente a sus versiones base. Los autores reportan, usando 34 pruebas automatizadas, que el diseño de prompts tiene un efecto considerable y que el ajuste fino depende de la cobertura del conjunto de datos utilizado, con un conjunto de datos ampliado derivado de registros de honeypot produciendo modelos locales más robustos según sus propias mediciones.
NetworkEndpointHoneypot
Paper2026
Material revisado: AbstractEste estudio analiza diferencias internacionales en intentos de hacking a partir de datos de honeypot, examinando 504.877 intentos de inicio de sesión procedentes de 314 direcciones IP únicas durante un período de 3 meses. Los autores contrastan hipótesis basadas en factores socioeconómicos —desempleo, pobreza, PIB y gasto educativo— y atribuyen al mayor desempleo y al menor gasto educativo una correlación con más intentos de brecha por país, y al menor gasto educativo una correlación con mayores tasas de éxito.
NetworkHoneypot
Paper2026
Material revisado: AbstractEste trabajo presenta un estudio de servicios DICOM expuestos a Internet, combinando escaneo activo a escala IPv4 con despliegues pasivos de honeypots. Los autores proponen un método reproducible para filtrar falsos positivos generados por honeypots, telescopios de red y otros artefactos de medición, reduciendo la exposición aparente en un 39%. Tras el filtrado, identifican miles de despliegues vulnerables que carecen de cifrado y autenticación, y observan que las medidas de deception existentes son insuficientes para capturar los riesgos reales.
NetworkApplicationHoneypotDecoy
Paper2026
Material revisado: AbstractSegún los autores, este artículo propone 'Knowledge Trap', una defensa contra ataques de extracción de modelos de lenguaje grandes que redirige a los atacantes hacia conocimiento de baja transferibilidad mediante un grafo de conocimiento tipo honeypot y una exploración guiada por migas de pan, en lugar de bloquear consultas o perturbar salidas. Los autores reportan experimentos en dominios médico y financiero que muestran una reducción del acuerdo del modelo sustituto sin afectar el rendimiento de usuarios legítimos.
ApplicationHoneypot
Paper2026
Material revisado: AbstractEl estudio implementa un modelo de seguridad basado en engaño (D-DSM) para un entorno de red de campus, con recursos señuelo gestionados mediante un mecanismo centralizado de engaño. El objetivo es desviar las actividades maliciosas de los activos críticos, ofrecer indicadores del comportamiento de ataque y complementar los controles de defensa en profundidad existentes mejorando la visibilidad de ataques avanzados y laterales y ayudando a reducir las alertas falsas.
NetworkDecoyAdversary engagement
Paper2026
Material revisado: AbstractEste trabajo estudia cómo agentes de pruebas de penetración basados en modelos de lenguaje grande (LLM) pueden asignar su presupuesto de ejecución al enfrentarse a honeypots. Los autores formalizan el problema del atacante como un proceso de decisión presupuestado en el que el agente debe decidir si continuar la explotación o descartar un objetivo ante sospecha de honeypot, proponiendo una política guiada por un detector en un entorno de prueba controlado con hosts mixtos.
NetworkEndpointHoneypotAdversary engagement
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: AbstractLos autores proponen MemPot, un marco de defensa que inyecta honeypots optimizados en la memoria de agentes basados en modelos de lenguaje grande (LLM) para contrarrestar ataques de extracción. Mediante un proceso de optimización en dos etapas y un modelo basado en la prueba de razón de probabilidad secuencial de Wald, los autores afirman que el sistema mejora la detección frente a líneas base existentes, según sus experimentos.
ApplicationHoneypotDecoy
Paper2026
Material revisado: AbstractLos autores presentan Mirage Mesh, un marco ligero de engaño cibernético para entornos Linux que despliega decepción en profundidad mediante cuatro capas: un señuelo SSH basado en Cowrie, una cuenta administrativa señuelo a nivel de sistema, una interfaz web de administración falsa en Flask y un archivo de credenciales honeytoken. El trabajo propone un esquema común DecoyAlertEvent para normalizar las observaciones de estas capas, procesarlas mediante una canalización con Wazuh y orquestación en Python, mapearlas a etapas del cyber kill-chain y técnicas de MITRE ATT&CK, y evaluarlas con una métrica de efectividad de decepción (DEM).
NetworkEndpointHoneypotHoneytoken
Paper2026
Material revisado: AbstractEste artículo presenta un marco de detección de inyección SQL enriquecido con contexto, construido mediante un sistema honeypot multi-agente que genera solicitudes maliciosas/benignas, media respuestas de base de datos auténticas protegiendo datos de producción, y empareja solicitudes con respuestas para crear un conjunto de datos etiquetado de 140,973 pares. Los autores afirman que modelos entrenados con este conjunto superan a los basados solo en payloads.
ApplicationHoneypot
Paper2026
Material revisado: AbstractEste trabajo revisa, según sus autores, soluciones basadas en IA para construir estrategias de engaño cibernético a nivel de red y dispositivo en entornos disputados. Se enfoca en la combinación de modelos de lenguaje de gran tamaño (LLMs) y aprendizaje por refuerzo (RL) para optimizar estas estrategias de engaño, incluyendo honeypots y honeynets, y examina su validación frente a ataques sigilosos contra sistemas de tecnología operativa (OT) reportados en la literatura.
NetworkOT/ICSHoneypotDecoy
Paper2026
Material revisado: AbstractLos autores presentan un marco de gestión de ciber-riesgo para sistemas digitales en red que combina teoría de juegos estratégicos con dinámicas de contagio. El estudio aborda la asignación óptima de recursos de ciberseguridad considerando valoraciones heterogéneas de nodos por atacantes y defensores, proponiendo medidas de riesgo basadas en rutas de contagio y analizando efectos de la ciberengaño mediante experimentos numéricos.
NetworkDecoy
Paper2026
Material revisado: AbstractEl artículo propone un método de detección de filtraciones de contraseñas basado en ternas pitagóricas, que genera 'honeywords' a partir de una secuencia de estructura gráfica construida con propiedades numéricas de dichas ternas. Los autores describen un algoritmo de generación con distribución uniforme y presentan una prueba de seguridad y experimentos comparativos orientados a la resistencia a ataques de fuerza bruta y a la eficiencia de almacenamiento.
IdentityHoneytoken
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
Paper2026
Material revisado: AbstractEste trabajo presenta PHANTOM, un marco para generar honeytokens que incorporan conocimiento específico de la organización (dominios, convenciones de nomenclatura, idiomas tecnológicos y distribuciones de valores secretos) mediante un pipeline de generación multicomponente. Los autores proponen una métrica de 'Believability Score' de cuatro componentes y la usan para comparar PHANTOM frente a un enfoque basado en plantillas en varios tipos de tokens y contextos organizacionales.
NetworkApplicationHoneytoken
Paper2026
Material revisado: AbstractEl trabajo describe el diseño de un honeypot inalámbrico y portátil basado en Raspberry Pi para detectar y analizar ataques de fuerza bruta SSH. Mediante la simulación de un servicio SSH vulnerable con el honeypot Cowrie, el sistema registra intentos de inicio de sesión y comportamiento de atacantes en tiempo real para estudiar patrones de ataque y mejorar medidas de seguridad.
NetworkHoneypot
Paper2026
Material revisado: AbstractEsta tesis propone modelos de teoría de juegos y optimización para el endurecimiento de grafos de ataque en Active Directory. Según los autores, se introduce un modelo de colocación de honeypots/decoys basado en minimizar rutas cortas y nodos alcanzables por Domain Admin, además de estrategias que consideran la naturaleza dinámica del grafo y modelos de priorización adaptativa con retroalimentación del administrador. Los autores señalan que los problemas subyacentes son computacionalmente intratables.
IdentityNetworkHoneypotDecoy