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
Paper2021
Material revisado: AbstractLos autores proponen aplicar técnicas de procesamiento de lenguaje natural a comandos de shell capturados en honeypots para detectar y correlacionar comportamientos de botnets. El enfoque reduce las secuencias de comandos a procesos estocásticos, procesados luego con aprendizaje automático para construir clasificadores y predictores que permitan agrupar direcciones IP de origen de botnets, incluso cuando los atacantes intentan ofuscar sus intentos de intrusión mediante permutaciones rápidas o aleatorias.
NetworkHoneypot
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: AbstractEste artículo discute métodos para mejorar el realismo y la validez ecológica de la inteligencia artificial usada en defensa cibernética autónoma, explorando el uso de Aprendizaje por Refuerzo Inverso (IRL) para comprender las acciones y utilidades de los atacantes que podrían ser frustradas mediante engaño cibernético. Según los autores, el estudio Tularosa proporciona datos experimentales de técnicas y herramientas reales utilizadas por atacantes, que pueden informar sistemas de defensa autónomos.
Adversary engagement
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 propone integrar honeypots de baja interacción con el ELK Stack como sistema de detección de ataques en servidores, con el fin de desviar el acceso de atacantes y facilitar a los administradores el análisis de los registros generados mediante visualización. Los autores realizan cinco esquemas de prueba para comparar los honeypots Cowrie y Dionaea, e informan que Cowrie ofreció una detección en tiempo real con un tiempo de retardo promedio de 3,75 segundos, mientras que ELK proporcionó mejores resultados de monitoreo a través de su visualización.
NetworkHoneypot
Paper2021
Material revisado: AbstractEl artículo propone implementar un sistema honeypot junto con un Sistema de Detección de Intrusiones, empleando un algoritmo de optimización inspirado en la Venus atrapamoscas para interactuar con el atacante. Los autores presentan una función de aptitud para estimar el tamaño del atacante y comparan su modelo con trabajos previos mediante ataques remoto-a-local, de sondeo y DoS.
NetworkHoneypot
Software abierto2021
Material revisado: Metadatos del repositorioRepositorio sobre observación de escaneos Log4j; documentación y mantenimiento requieren revisión adicional.
ApplicationHoneypot
Paper2021
Material revisado: AbstractEl artículo propone un sistema industrial de detección temprana de intrusiones (EIDS) que combina honeypots con algoritmos de aprendizaje automático. Los autores describen la recogida de datos de sensores de honeypots y de dispositivos industriales, su almacenamiento en una base de datos y su análisis para alertar sobre intrusiones en redes de control industrial.
OT/ICSNetworkHoneypot
Paper2021
Material revisado: AbstractSegún los autores, este estudio despliega honeypots que simulan shells Linux para recopilar eventos heterogéneos de amenazas (tráfico de red, descargas, inicios de sesión SSH y comandos) y modela el comportamiento de atacantes mediante una red neuronal convolucional temporal (TCN), comparándola con LSTM y GRU.
NetworkIoTHoneypot
Paper2021
Material revisado: AbstractLos autores describen la monitorización de sensores honeypot desplegados en dispositivos Raspberry Pi integrados con Modern Honey Network, usando SNMP como función de gestión de red. El objetivo es observar recursos del sistema y analizar la influencia del número de ataques en el rendimiento del sensor.
NetworkEndpointHoneypot
Paper2021
Material revisado: AbstractLos autores describen el uso de un honeypot instalado en un servidor como detector de ataques, cuyos registros se exponen mediante una API REST construida con el framework Django y una base de datos MongoDB, para que una aplicación Android permita conocer si hay un ataque en el servidor y bloquear la dirección IP del atacante. El trabajo se plantea en el contexto de la seguridad de redes y del seguimiento de ataques a un recurso.
NetworkApplicationHoneypot
Paper2021
Material revisado: AbstractEl trabajo describe el diseño de un sistema de detección de intrusiones (IDS) basado en honeypot para la red informática de la Universidad Bhayangkara Jakarta Raya. Según los autores, el honeypot simula puntos débiles para atraer malware, registra la actividad de los atacantes y produce registros que pueden analizarse para la gestión y recuperación durante y después de un ataque.
NetworkHoneypot
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
Software abierto2021
Material revisado: Metadatos del repositorioRepositorio que documenta remote Desktop Protocol in Twisted Python
NetworkHoneypot
Paper2021
Material revisado: AbstractSegún los autores, este artículo propone un enfoque para generar actividad de usuario realista en sistemas de TI, combinando métodos deterministas y de aprendizaje profundo mediante un agente externo instrumentado en cada máquina. El objetivo es mejorar la credibilidad de plataformas de análisis de atacantes, como los honeynets, y facilitar la creación de escenarios coherentes.
NetworkEndpointHoneypotAdversary engagement
Software abierto2021
Material revisado: Metadatos del repositorioRepositorio sobre servicio señuelo Redis; documentación y mantenimiento requieren revisión adicional.
NetworkHoneypot