Paper2022
Material revisado: AbstractEl estudio busca proteger dispositivos IoT usando una Raspberry Pi como honeypot para imitar dichos dispositivos, examinar la intención del usuario y analizar patrones de ataque. Los autores implementaron los honeypots Cowrie, Dionaea y Glastopf en Raspberry Pi 4B para cubrir protocolos vulnerables y registrar ataques.
IoTHoneypot
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: AbstractEl artículo propone EA-POT, un marco de blockchain permisionada asistido por IA explicable para predecir direcciones IP de posibles infractores, registrando esas IP en una base de datos blockchain a partir de las sugerencias de la IA explicable y la aprobación de autorizadores de IP para mejorar la inmutabilidad. Los autores realizaron experimentos en un laboratorio de IoT Cloud con tres modelos de predicción (Random Forest, Regresión Lineal y SVM) y describen un procedimiento que incorpora conocimiento interpretable al incluir en listas negras las IP que alcanzan HoneyPots.
IoTCloudHoneypot
Paper2022
Material revisado: AbstractEste trabajo propone EVHS, un sistema de honeypots virtuales elásticos para redes basadas en SDNFV, cuyo objetivo es gestionar y controlar honeypots de forma flexible. El sistema usa un sistema de detección de intrusiones de red en el borde para detectar ataques, aprovecha SDN y NFV para generar honeypots y emplea un mecanismo de defensa de objetivo móvil para conectar a los atacantes con dichos honeypots, además de reutilizar los honeypots disponibles tras gestionar los ataques.
NetworkHoneypotMoving target defense
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: AbstractEste estudio examina cómo la proporción de honeypots desplegados en una red influye en las decisiones de un adversario, empleando un juego de engaño con dos etapas consecutivas: sondeo y ataque. Los participantes fueron asignados aleatoriamente a condiciones con proporciones pequeña, media o grande de honeypots, y los autores describen que al aumentar dicha proporción las acciones dirigidas a honeypots y de no ataque aumentaron notablemente.
NetworkHoneypotAdversary engagement
Paper2022
Material revisado: AbstractEl artículo aborda la detección de intrusiones y la seguridad en entornos de nube, y propone el uso de honeypots para desviar tráfico malicioso. Los autores describen la implementación del concepto de honeypot en una aplicación para compartir archivos desplegada en un servidor en la nube, con el fin de detectar ataques y mejorar la seguridad.
CloudApplicationHoneypot
Paper2022
Material revisado: AbstractEste artículo describe el despliegue de honeypots de interacción media en cinco protocolos distintos en Internet pública para estudiar la intención y sofisticación de los ataques observados. Los autores proponen un enfoque de clustering que identifica correlaciones en el comportamiento de los atacantes para detectar direcciones IP probablemente controladas por un mismo operador, destacando la utilidad de estos honeypots para la recolección de datos.
NetworkHoneypot
Paper2022
Material revisado: AbstractLos autores proponen un método basado en texto para investigar y analizar los loaders de bots (botnets) utilizando honeypots de alta interacción. Recopilan registros de solicitudes, definen ocho familias de loaders mediante agrupamiento jerárquico y analizan su homología funcional usando técnicas de alineamiento de secuencias, revelando según el estudio relaciones evolutivas entre infraestructuras de botnets como Mirai.
NetworkHoneypot
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: AbstractEste artículo revisa herramientas existentes para monitorizar botnets P2P, categorizando los mecanismos en activos (crawlers) y pasivos (sensores y honeypots). Según los autores, el objetivo es estudiar las formas de monitorizar un botnet y cómo funcionan estos mecanismos, presentando trabajos previos sobre cada enfoque.
NetworkHoneypot
Paper2022
Material revisado: AbstractArtículo de revisión que presenta una visión general de la ciberseguridad y analiza el aprendizaje automático, las amenazas cibernéticas y las técnicas basadas en sistemas honeypot para la detección de intrusiones y el estudio de ataques en red. Los autores describen los honeypots como trampas conceptuales destinadas a bloquear el acceso no autorizado y a aportar a los analistas información sobre el origen y el comportamiento de dichos ataques.
NetworkHoneypot
Paper2022
Material revisado: AbstractEl trabajo propone integrar un sensor honeypot con una red definida por software (SDN) y clasificar ataques de denegación de servicio distribuido mediante aprendizaje semisupervisado, combinando un modelo de pseudo-etiquetado basado en máquinas de vectores de soporte con una clasificación posterior mediante Adaptive Boosting. La evaluación reportada por los autores usa datos de monitorización del sensor Suricata y examina exactitud, precisión, exhaustividad, uso de CPU y tiempos de mitigación de reglas de flujo.
NetworkHoneypot
Paper2022
Material revisado: AbstractLos autores describen un sistema honeypot basado en Spark diseñado, implementado y probado en una red de campus durante varios días, con el propósito de atraer intrusos hacia un recurso que simula ser un equipo o almacén totalmente equipado. El estudio presenta un análisis de rendimiento de ese despliegue mediante parámetros definidos por los autores.
NetworkHoneypot
Paper2022
Material revisado: AbstractLos autores describen un sistema de monitoreo para honeypots basado en TaintDroid, orientado a dispositivos embebidos, en el que TaintDroid marca a los atacantes que penetran en el honeypot y luego se monitorean y registran sus comportamientos. El trabajo también informa sobre una prueba de factibilidad del sistema construido por los autores.
IoTEndpointHoneypot
Paper2022
Material revisado: AbstractEl artículo describe el despliegue de un honeypot en un servicio de nube y el análisis de las interacciones registradas. Después emplea algoritmos de aprendizaje automático para predecir el tipo de amenaza detectada en los honeypots.
CloudHoneypot
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
Paper2022
Material revisado: AbstractEste trabajo modela los enfrentamientos entre atacante y defensor como juegos de Markov para comprender comportamientos adversarios humanos y optimizar la estrategia defensiva. Los autores validan su enfoque mediante un entorno Capture-The-Flag (CTF) y estudios con usuarios de distintos niveles de habilidad. Según los autores, los engaños a nivel de aplicación resultan una estrategia de mitigación óptima frente a ataques dirigidos, superando a maniobras defensivas clásicas, y presentan un análisis del comportamiento atacante al quedar atrapado en un entorno honeypot embebido.
ApplicationHoneypotAdversary engagement
Paper2021
Material revisado: AbstractLos autores proponen un mecanismo de despliegue dinámico multifase de honeypots virtualizados (MD2VH) basado en predicción inteligente de rutas de ataque, que modela las características de ataque y defensa mediante un grafo de estados de ataque bayesiano y un modelo de optimización de despliegue basado en un proceso de decisión de Markov extendido, generando estrategias de despliegue mediante aprendizaje por refuerzo en línea y fuera de línea. Implementan un sistema prototipo sobre red definida por software y contenedores de virtualización y reportan experimentos sobre la tasa de captura en topologías simples y complejas.
NetworkHoneypotMoving target defense
Paper2021
Material revisado: AbstractLos autores presentan un honeypot de bajo costo capaz de bloquear comandos o responder con insultos a los atacantes, modelando la interacción atacante-defensor como un juego bayesiano de dos jugadores. Según el resumen, desplegaron tres instancias del honeypot y capturaron más de 200 sesiones para un análisis cualitativo del comportamiento post-explotación.
NetworkHoneypotAdversary engagement
Paper2021
Material revisado: AbstractEste trabajo presenta, según sus autores, un método basado en técnicas de aprendizaje automático para la configuración, despliegue y mantenimiento dinámico de honeypots en redes. El enfoque identifica y agrupa máquinas y dispositivos en la red para desplegar honeypots de forma inteligente, reduciendo la necesidad de configuración manual.
NetworkHoneypot
Paper2021
Material revisado: AbstractLos autores proponen un honeypot de aplicación web de baja interacción, adaptativo y dinámico que imita vulnerabilidades mediante eventos HTTP, utilizando las herramientas SNARE y TANNER para generar la superficie de ataque y analizar/clasificar las solicitudes recibidas, según se describe en el resumen.
ApplicationHoneypot
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