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
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: AbstractEl artículo describe el uso de agentes honeypot que generan paquetes Route Request (RREQ) para atraer y capturar atacantes de agujero negro en redes móviles ad hoc (MANET), junto con una técnica de aprendizaje profundo basada en memoria de corto y largo plazo (LSTM). Los autores evalúan el esquema propuesto, denominado HPAS-LSTM, mediante simulaciones en ns-2 y comparan sus resultados con otros métodos de detección de agujero negro en términos de rendimiento, pérdida de paquetes, tasa de entrega de paquetes y retardo total de red.
NetworkHoneypot
Paper2021
Material revisado: AbstractEl trabajo aborda la selección y clasificación de honeypots (señuelos virtuales) según su eficacia, empleando características como la instalación, la configuración, el uso, el soporte, la recogida de datos, el registro, la simulación y la interacción. Los autores describen un método que forma conjuntos de honeypots, subconjuntos de características y valores identificadores de estimaciones lingüísticas, matrices de frecuencia base y derivadas, y términos difusos y números difusos de referencia con su visualización, con el fin de construir estándares lingüísticos para la evaluación multicriterio.
NetworkHoneypot
Paper2021
Material revisado: AbstractLos autores proponen OFULinMat, un algoritmo de aprendizaje episódico para juegos repetidos de suma cero con matrices de pago desconocidas y variables en el tiempo, usando un conjunto de modelos de juego como información previa. El algoritmo logra un límite sublineal de arrepentimiento de punto de silla. Como caso de estudio, utilizan un juego de asignación dinámica de honeypots para ilustrar y corroborar sus resultados teóricos.
NetworkHoneypot
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 exponen un servicio SSH en un dispositivo Raspberry Pi conectado a Internet durante más de seis días para que funcione como honeypot, registrando los intentos de inicio de sesión recibidos. El estudio ofrece un análisis del origen de las solicitudes y las áreas de interés de los intrusos.
IoTNetworkHoneypot
Paper2021
Material revisado: Metadatos editorialesRegistro bibliográfico sobre análisis de fallas en experimentos IoT. El resumen y los resultados aún requieren lectura.
IoTHoneypot
Paper2021
Material revisado: AbstractEste trabajo, según sus autores, revisa el campo de identificación de honeypots proponiendo un marco multietapa que combina técnicas existentes y nuevas para fingerprinting. Mediante escaneos a gran escala de direcciones IPv4, los autores afirman haber identificado miles de instancias de honeypots y además sistemas vulnerables no honeypot, discutiendo también posibles contramedidas.
NetworkHoneypot
Paper2021
Material revisado: AbstractLos autores presentan GPT-2C, un sistema en tiempo de ejecución que utiliza el modelo preentrenado GPT-2 para analizar registros dinámicos generados por un honeypot SSH Cowrie, abordando limitaciones de interoperabilidad con tecnologías EDR y SIEM. Según el resumen, el modelo ajustado logra una precisión de inferencia del 89% en el nuevo dominio con una latencia de ejecución aceptable.
NetworkEndpointHoneypot
Paper2021
Material revisado: AbstractLos autores presentan Honeyboost, un marco no supervisado que combina honeypots con detección de anomalías en red para identificar nodos sospechosos antes de que accedan al honeypot. El enfoque fusiona análisis horizontal (series temporales por nodo) y vertical (por espacio de protocolo), usando teoría de valores extremos para reducir falsos positivos, según se describe en el resumen.
NetworkHoneypot
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
Software abierto2021
Material revisado: Metadatos del repositorioRepositorio que documenta a multi-purpose, modular medium-interaction honeypot based on Twisted.
NetworkHoneypot
Paper2021
Material revisado: AbstractLos autores proponen HIM, un modelo de proceso forense preventivo para la investigación de incidentes en redes de IoT que emplea honeypots para registrar ataques durante un año. El modelo busca cubrir el ciclo de vida completo de la investigación forense y responder a requisitos de analistas forenses y del ámbito legal, y los autores informan que fue validado mediante varios métodos.
IoTNetworkHoneypot
Paper2021
Material revisado: AbstractLos autores revisan los aspectos teóricos de los sistemas honeypot y presentan una clasificación de honeypots según distintos criterios. Asimismo, describen la arquitectura de un sistema honeypot orientado a investigar el comportamiento de un atacante tras su penetración en el sistema corporativo, como herramienta para una supuesta solución de seguridad integral de la organización.
NetworkHoneypot
Paper2021
Material revisado: AbstractEl artículo propone y examina un modelo de detección y clasificación de botnets que combina honeypots con aprendizaje automático, orientado a fábricas inteligentes. El estudio se llevó a cabo en una configuración de hardware que imitaba virtualmente un entorno de fábrica inteligente, según lo descrito por los autores.
IoTOT/ICSHoneypot
Software abierto2021
Material revisado: Metadatos del repositorioRepositorio sobre sensores de múltiples protocolos; documentación y mantenimiento requieren revisión adicional.
NetworkHoneypot
Paper2021
Material revisado: AbstractEl artículo tiene como propósito introducir los honeypots en el contexto del Internet de las Cosas (IoT), describir cómo los dispositivos IoT pueden ser explotados por atacantes y examinar ecosistemas de honeypots para la captura y el análisis de información procedente de ataques contra dichos dispositivos. Los autores también señalan que buscan ofrecer perspectivas sobre los vectores de ataque presentes en la mayoría de los sistemas IoT y sobre el entendimiento de los patrones de ataque, así como sobre el uso de estrategias proactivas de seguridad en IoT.
IoTHoneypot