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: 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 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 trabajo propone Federated TGCN-A2C, una arquitectura que integra redes convolucionales de grafos temporales, gemelos digitales basados en LSTM y un agente de actor-crítico federado para decidir entre permitir, aislar o redirigir tráfico a honeypots en dispositivos IoT/IoMT. Los autores reportan evaluaciones en conjuntos de datos públicos de ciberseguridad y análisis de explicabilidad para respaldar la toma de decisiones del sistema.
IoTNetworkHoneypotAdversary engagement
Paper2026
Material revisado: AbstractLos autores describen la aplicación del aprendizaje por refuerzo para mejorar la generación de respuestas en honeypots y presentan Q-Cowrie, una adaptación del honeypot de interacción media Cowrie orientada a aumentar el engaño y permitir decisiones adaptativas durante la interacción con atacantes. Señalan que realizaron dos estudios experimentales, uno con Cowrie para capturar ataques y modelar el proceso de decisión de los atacantes mediante un proceso de decisión de Markov, y otro con Q-Cowrie para apoyar interacciones adaptativas.
NetworkHoneypotAdversary engagement
Paper2026
Material revisado: AbstractEl estudio propone QuantumGuard, un marco de ciberseguridad proactiva que combina redes trampa cognitivas, canales de inteligencia protegidos con criptografía post-cuántica y adaptación de engaño guiada por aprendizaje por refuerzo en entornos ciberfísicos habilitados para 6G. Los autores buscan integrar en una única arquitectura de control en lazo cerrado un orquestador de redes trampa cognitivas, un motor de políticas de engaño bajo observabilidad parcial, una red de atribución de técnicas MITRE ATT&CK basada en transformadores y un bus federado de inteligencia post-cuántico, y presentan una evaluación preliminar sobre conjuntos de datos de referencia y un banco de pruebas de 320 puntos finales.
NetworkIoTHoneypotDecoy
Paper2026
Material revisado: Texto completoAporte del editorPacheco y Staino presentan BUDA como propuesta para simular actividad de usuarios ficticios y reforzar la credibilidad de señuelos, alineada con MITRE Engage.
EndpointNetworkDecoyAdversary engagement
Paper2026
Material revisado: AbstractEl artículo presenta SAGE, un honeypot adaptativo para ecosistemas de Internet de las Cosas (IoT) que combina emulación de protocolos guiada por máquinas de estados finitos (FSM) con recuperación aumentada mediante GraphRAG, para modelar protocolos IoT con estado y generar respuestas mediante un modelo de lenguaje grande (LLM). Los autores describen además un motor de verificación de hechos y un mecanismo de retroalimentación destinados a refinar las respuestas y ampliar progresivamente las correspondencias estado-respuesta a partir de las interacciones observadas con adversarios.
IoTHoneypotAdversary engagement
Paper2026
Material revisado: AbstractLos autores proponen un sistema de defensa cibernética proactiva que combina engaño, simulación de entorno adversario y aprendizaje por refuerzo profundo, con vectores de ataque generados mediante GAN para emular amenazas de día cero y polimórficas. El objetivo es entrenar políticas de defensa adaptativas al contexto que detecten comportamientos maliciosos, reorienten vectores de detección y activen trampas de engaño, evaluado con tráfico bueno y adversario en una red sintética de red eléctrica inteligente.
NetworkOT/ICSDecoyAdversary engagement
Paper2026
Material revisado: AbstractSegún los autores, este trabajo presenta SysEvolve, un sistema que integra tres componentes co-diseñados (SysField, SysSpear y SysArmor) para crear un bucle adversarial autodirigido entre agentes de ataque y defensa basados en LLM. Los autores describen la construcción de rangos cibernéticos multi-host realistas, generación de esquemas de ataque y defensa interpretable en tiempo real. También señalan que los endpoints señuelo desplegados en el rango afectan el comportamiento de los agentes LLM.
NetworkDecoyAdversary engagement
Experiencia2026
Material revisado: Página públicaLectura críticaIBM X-Force y Deception.Pro registraron dos incidentes en organizaciones simuladas y observaron reconocimiento, despliegue de malware y exfiltración de documentos falsos.
EndpointOT/ICSDecoyAdversary engagement
Paper2026
Material revisado: AbstractLos autores presentan Trident, un marco de red teaming basado en LLM agénticos para evaluar la robustez de defensas de ciberseguridad basadas en aprendizaje por refuerzo profundo (DRL). El trabajo incluye un banco de pruebas dinámico, un conjunto de datos de interacciones rojo-azul y una arquitectura agéntica que genera estrategias de ataque y las traduce en políticas ejecutables contra defensores DRL. Según los autores, Trident reduce significativamente el desempeño defensivo y descubre comportamientos emergentes como la evitación de señuelos.
NetworkDecoyAdversary engagement
Paper2025
Material revisado: AbstractSegún el resumen, los autores presentan un modelo descriptivo que incorpora factores psicológicos y estratégicos (creencia, escepticismo, fidelidad del engaño, reconocimiento y experiencia) para explicar la decisión inicial de un atacante de comprometerse o retirarse frente a técnicas de ciberengaño. Los autores indican que han diseñado experimentos con actividades tipo Capture the Flag y observaciones biométricas para evaluar el modelo, pero aclaran explícitamente que estos experimentos aún no se han realizado y no se presentan resultados experimentales en el artículo.
NetworkDecoyAdversary engagement
Paper2025
Material revisado: AbstractEste artículo presenta un marco de defensa automatizado para entornos de nube que utiliza telemetría de honeypots de interacción media a alta para actualizar reglas de firewall en tiempo real. Según los autores, el sistema integra el honeypot Cowrie, herramientas nativas de Azure y clasificación alineada con MITRE ATT&CK dentro de un ciclo de retroalimentación cerrado. Los autores reportan un tiempo medio de bloqueo de 0.86 segundos y la clasificación de más de 12,000 intentos SSH en pruebas experimentales.
CloudNetworkHoneypotAdversary engagement
Paper2025
Material revisado: AbstractSegún el resumen, los autores proponen un sistema de guardrail basado en honeypot que utiliza un modelo señuelo ajustado para generar respuestas ambiguas y no accionables que sirven de cebo para detectar intenciones maliciosas durante interacciones de múltiples turnos con LLMs. El trabajo introduce métricas (HUS y DER) para evaluar la atracción del cebo y el equilibrio entre seguridad y usabilidad, con experimentos iniciales sobre un conjunto de datos de jailbreak multi-turno aplicados a GPT-4o.
ApplicationHoneypotAdversary engagement
Paper2025
Material revisado: AbstractLos autores presentan un entorno simulado tipo Gym para el aprendizaje por refuerzo adversarial en seguridad de redes, en el que agentes atacantes y defensores entrenados con DQN compiten en un marco de recompensa de suma cero. El entorno modela ataques de fuerza bruta y defensas reactivas, incluyendo trampas tipo honeypot y limitación de tasa adaptativa, y los autores reportan que la observabilidad del defensor y la efectividad de las trampas crean barreras sustanciales frente a los ataques.
NetworkHoneypotAdversary engagement
Paper2025
Material revisado: AbstractLos autores proponen ADLAH, una arquitectura conceptual de honeynet adaptativo que emplea aprendizaje por refuerzo para decidir en tiempo real cuándo escalar sesiones desde sensores de baja interacción hacia honeypots de alta interacción provisionados dinámicamente. Se describe como un prototipo del mecanismo central de decisión, sin validación a escala real debido a la falta de datos en vivo suficientes.
NetworkHoneypotAdversary engagement
Paper2025
Material revisado: AbstractSegún los autores, este artículo propone un marco de juego cibernético bi-nivel para diseñar mecanismos de engaño defensivo que exploten las vulnerabilidades cognitivas de atacantes persistentes avanzados (APT). El enfoque combina un diseño estratégico de defensas de decepción con acciones tácticas y operativas, y los autores reportan mejoras numéricas en las recompensas totales del defensor mediante el despliegue oportuno de técnicas de engaño.
NetworkAdversary engagement
Software abierto2025
Material revisado: Metadatos del repositorioAporte del editorFramework experimental que genera perfiles ficticios y actividad de usuarios para dar contexto a entornos señuelo; el repositorio documenta narrativas, perfiles e integración con modelos de lenguaje.
EndpointNetworkDecoyAdversary engagement
Paper2025
Material revisado: AbstractLos autores presentan D3O-IIoT, un modelo de aprendizaje por refuerzo que coordina dinámicamente técnicas de engaño como despliegue de honeypots, defensa de objetivo móvil, inyección de telemetría falsa y aislamiento de nodos, guiándose por monitoreo de amenazas en tiempo real. El problema de defensa se formula como un Proceso de Decisión de Markov, donde un agente Dueling Deep Q-Network maximiza una recompensa multiobjetivo para equilibrar mitigación de ataques, interacción de engaño, control de falsos positivos y costo de recursos.
IoTOT/ICSHoneypotMoving target defense
Paper2025
Material revisado: AbstractLos autores presentan Koney, un operador de Kubernetes que orquesta la implementación de tecnología de engaño cibernético mediante documentos de política de engaño descritos como código. Utilizando tecnologías cloud-native como mallas de servicio y eBPF, el sistema agrega trampas a aplicaciones contenedorizadas sin acceso al código fuente, facilitando la configuración, rotación, monitoreo y eliminación de trampas, con énfasis en mantenibilidad, escalabilidad y simplicidad operativa.
CloudApplicationDecoyAdversary engagement
Paper2025
Material revisado: AbstractLos autores proponen un enfoque de fusión neuro-simbólica para el razonamiento cognitivo de amenazas en entornos de engaño cibernético. Combina redes neuronales profundas con razonamiento simbólico, usando grafos de conocimiento, lógica probabilística y aprendizaje por refuerzo para identificar, predecir y responder a adversarios y optimizar estrategias de engaño.
NetworkDecoyAdversary engagement