Paper2023
Material revisado: AbstractLos autores describen symbSODA, un sistema de decepción ciberactiva que analiza malware real mediante ejecución de rutas múltiples para extraer subgrafos maliciosos compuestos por WinAPIs y mapearlos a tácticas y técnicas del marco ATT&CK, con el fin de construir y ejecutar planes de decepción personalizados. El propósito declarado es permitir a los usuarios configurar planes de decepción sin conflictos y automatizar la orquestación de la decepción dentro de un entorno engañoso.
EndpointDecoyAdversary engagement
Paper2022
Material revisado: AbstractLos autores proponen un método de defensa mediante engaño cibernético basado en un juego de señales, con el objetivo de hacer frente a intrusiones en la red. El trabajo describe un mecanismo de engaño reforzado con defensa de objetivo móvil (MTD) y un modelo de juego de señales con una solución de equilibrio para guiar la selección de la estrategia de defensa, evaluado según los autores mediante resultados experimentales.
NetworkMoving target defenseDecoy
Paper2022
Material revisado: AbstractEste trabajo, según el resumen de los autores, analiza mediante juegos de ataque-defensa la conveniencia de disfrazar servidores normales como honeypots. Compara tres escenarios con distintos niveles de técnicas de engaño y concluye, según los autores, que disfrazar servidores reales no siempre mejora la recompensa del defensor y puede incrementar el costo de mantener nodos normales.
NetworkHoneypotDecoy
Paper2022
Material revisado: AbstractEsta encuesta revisa veintitrés técnicas de autenticación basadas en honeywords (contraseñas señuelo), introducidas por Juels y Rivest en 2013, que buscan detectar amenazas del lado del servidor sobre los archivos de contraseñas y notificar al administrador cuando un atacante intenta explotar un archivo comprometido. Los autores comparan los enfoques existentes e identifican lagunas y oportunidades de investigación pendientes.
IdentityDecoyHoneytoken
Paper2022
Material revisado: AbstractEsta revisión revisa y clasifica estrategias defensivas basadas en honey-X, como honeypots y honeytokens, que emplean engaño para obtener inteligencia de amenazas y proteger redes. Los autores también examinan su combinación con defensa de objetivo móvil, teoría de juegos y aprendizaje automático, y presentan la cuantificación de seguridad y desafíos futuros.
NetworkHoneypotHoneytoken
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: AbstractLos autores revisan y analizan los métodos, tácticas y herramientas que los adversarios emplean para realizar actividades de reconocimiento a lo largo del proceso de ataque, examinando qué tipos de información buscan y cómo y cuándo pueden obtenerla. Proponen una taxonomía de técnicas de reconocimiento basada en la fuente, distinguiendo entre la recopilación de información por terceros y la obtenida de personas y sistemas, con el fin de comprender y modelar este aspecto de los ciberataques y aportar ideas para mejorar estrategias defensivas como el engaño cibernético.
NetworkDecoy
Paper2022
Material revisado: AbstractEste artículo estudia el despliegue conjunto de defensa de objetivo móvil (MTD) y técnicas de engaño frente a ataques cibernéticos de múltiples etapas. Los autores proponen un enfoque de optimización en dos pasos para asignar sensores de detección de intrusión (observables por el atacante) y sensores sigilosos (no observables), con el fin de optimizar la tasa de detección de ataques. Ilustran la efectividad del método mediante un ejemplo de defensa cibernética.
NetworkDecoyMoving target defense
Paper2022
Material revisado: Página públicaEl artículo propone un marco de detección de intrusiones que combina CAPTCHA, honeypots y aprendizaje supervisado. Los honeypots se integrarían en un sitio web para atraer software malicioso, y el diagrama esboza páginas señuelo realistas y campos trampa.
ApplicationNetworkHoneypotDecoy
Paper2022
Material revisado: AbstractEste trabajo presenta TSM (Topic Semantic Matching), una métrica basada en modelado de temas y comparación semántica en espacios de embeddings para medir el atractivo (enticement) de honeyfiles respecto al contenido local. Según los autores, es la primera medida que usa técnicas de NLP para cuantificar este atractivo de forma robusta frente a paráfrasis, apoyada en un corpus de honeyfiles creado con distintos métodos de NLP.
EndpointHoneypotDecoy
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
Paper2021
Material revisado: Texto completoArtículo de visión sobre generación automatizada de artefactos de engaño realistas mediante aprendizaje automático.
NetworkIdentityDecoy
Paper2021
Material revisado: AbstractEste trabajo, según sus autores, estudia la decepción de doble vía en ciberseguridad, manipulando tanto las configuraciones observables de honeypots como de máquinas reales. Mediante un experimento con una red de 40 máquinas (20 honeypots) y un testbed experimental, los autores comparan tres condiciones de ocultación de características frente a atacantes humanos.
NetworkHoneypotDecoy
Paper2021
Material revisado: Página públicaEl resumen del preprint vinculado describe DARLH, un sistema de honeypot que emplea agentes IDS basados en aprendizaje por refuerzo profundo y en redes neuronales recurrentes profundas para detectar ataques DoS en tiempo de ejecución internos y externos. Su propósito es dotar al honeypot de detección dinámica de intrusiones y validación de eventos para monitorizar ataques DoS.
NetworkHoneypotDecoy
Paper2021
Material revisado: Texto completoRegistro bibliográfico sobre design thinking para cyberdeception. El resumen y los resultados aún requieren lectura.
NetworkDecoy
Paper2021
Material revisado: AbstractEste artículo presenta un enfoque de honeypots basados en contenedores que simulan escapes de contenedor como técnica de engaño en el contexto de la virtualización en la nube. Según los autores, se investigan las posibilidades de los honeypots basados en contenedores para imitar objetivos legítimos en la red y generar alertas ante interacciones de atacantes, permitiendo estudiar sus técnicas.
NetworkCloudHoneypotDecoy
Paper2021
Material revisado: AbstractSegún el resumen, los autores proponen un marco de hiperjuego entre un atacante y un defensor en el que cada uno puede interpretar la situación de forma distinta según creencias asimétricas, aplicándolo a amenazas persistentes avanzadas (APT) a lo largo de la cadena de ataque. El trabajo evalúa mediante simulaciones cómo las estrategias de engaño defensivo pueden manipular las creencias del atacante.
NetworkAdversary engagementDecoy
Paper2021
Material revisado: AbstractEste artículo es una encuesta que examina enfoques de engaño defensivo (defensive deception) basados en teoría de juegos y aprendizaje automático dentro de la investigación en ciberdefensa. Según los autores, se analizan los componentes clave, principios subyacentes y compensaciones de distintos enfoques en diversos escenarios de problemas. El trabajo recopila hallazgos, lecciones y limitaciones de investigaciones previas y propone direcciones futuras para abordar vacíos existentes.
NetworkAdversary engagementDecoy
Paper2021
Material revisado: AbstractSegún los autores, HoneyCar es un marco de apoyo a la decisión para configurar honeypots en el Internet de los Vehículos, basado en vulnerabilidades conocidas de la base de datos NVD/CVE. El enfoque modela la interacción adversarial como un juego de suma cero de información imperfecta repetido, buscando estrategias óptimas de configuración de honeypots para recopilar inteligencia de amenazas.
IoTNetworkHoneypotDecoy
Paper2021
Material revisado: AbstractEste trabajo describe la incorporación de elementos de engaño, incluyendo honeypots y señuelos, en la plataforma de experimentación CyberBattleSim de Microsoft. Según los autores, probaron las capacidades defensivas de estos elementos frente a atacantes basados en aprendizaje por refuerzo dentro de un entorno de captura de bandera, observando que el progreso del atacante dependía del número y ubicación de los elementos de engaño.
NetworkHoneypotDecoy
Paper2021
Material revisado: AbstractLos autores extienden a Windows su herramienta anti-ransomware R-Locker, que se apoya en un enfoque de honeyfiles: archivos trampa 'infinitos' distribuidos por el sistema de archivos para detectar de forma temprana y bloquear la acción del ransomware. La versión para Windows aborda las diferencias en el manejo de FIFO y añade una gestión global mejorada de los honeyfiles y un bloqueo (semi)automatizado de ransomware sospechoso mediante el uso dinámico de listas blancas y negras.
EndpointHoneytokenDecoy
Paper2021
Material revisado: AbstractEl trabajo aborda la protección de componentes vulnerables en redes de Internet de las Cosas (IoT) mediante una técnica de prevención de intrusiones que combina ciberdecepción (un sistema señuelo) y defensa de objetivo móvil (reordenamiento de la topología de red). Los autores evalúan analíticamente la efectividad y eficiencia con un modelo gráfico de seguridad en una red IoT basada en SDN, definiendo estrategias sobre cuándo y cómo realizar el reordenamiento de topología para alcanzar objetivos como prolongar la vida útil del sistema, aumentar la complejidad del ataque a nodos críticos o mantener la disponibilidad del servicio.
IoTNetworkDecoyMoving target defense
Paper2021
Material revisado: AbstractEste trabajo examina cómo la generación de señuelos (decoys) puede ralentizar el proceso de decisión de agentes automatizados en escenarios de emulación de adversarios. Los autores muestran, según su estudio, que el grado de inhibición depende en gran medida del tipo de objetos señuelo utilizados, señalando la necesidad de evaluar explícitamente las estrategias de generación y colocación de señuelos frente a adversarios automatizados rápidos.
NetworkDecoyAdversary engagement
Paper2021
Material revisado: Texto completoRegistro bibliográfico sobre deception autoadaptativo. El resumen y los resultados aún requieren lectura.
NetworkDecoy