Paper2023
Material revisado: AbstractEl trabajo propone un sistema de apoyo a la decisión basado en una red de creencias bayesiana para orientar estrategias de engaño cibernético a partir de un modelo detallado de las creencias del atacante, ilustrado mediante un caso de estudio con datos de identificación pasiva de sistemas operativos. Los autores comparan la precisión de predicción del modelo con una red neuronal artificial secuencial y presentan un algoritmo de engaño para seleccionar un conjunto mínimo de características cuya modificación haría aparecer un sistema operativo distinto.
EndpointNetworkDecoy
Paper2023
Material revisado: AbstractEl trabajo describe el despliegue de un conjunto de detectores honeypot orientados a la investigación para analizar y evaluar el comportamiento de los atacantes. Los autores presentan un esquema de despliegue de honeypots containerizados en la nube que, según señalan, resultan portables, duraderos y sencillos de desplegar y administrar, y describen la monitorización instrumentada de la que obtuvieron datos para inferir la actividad y los propósitos de usuarios maliciosos.
CloudNetworkHoneypotDecoy
Paper2023
Material revisado: AbstractLos autores proponen un método para seleccionar estrategias de engaño en ciberseguridad mediante un modelo de juego Flipit multi-etapa, con el fin de incorporar la temporización de la defensa además de la elección espacial de estrategias. El método construye un modelo de decisión espaciotemporal, introduce un factor de descuento y probabilidades de transición, y emplea un algoritmo de optimización de políticas proximales para calcular estrategias defensivas.
NetworkDecoyMoving target defense
Paper2023
Material revisado: AbstractLos autores proponen un marco de juego de señalización entre un defensor y un agente humano interno, utilizando teoría cuántica de la decisión para explotar sesgos cognitivos y combatir ataques internos. El defensor engaña al atacante induciéndolo a acceder a sensores señuelo mediante generadores que producen percepciones de señales clásicas. Según los autores, los resultados muestran que generadores diseñados estratégicamente pueden empeorar la capacidad del atacante para identificar señuelos en comparación con esquemas sin generadores.
IdentityDecoyAdversary engagement
Paper2023
Material revisado: AbstractLos autores presentan HoneyEVSE, un honeypot diseñado para simular equipos de suministro para vehículos eléctricos (EVSE) dentro del paradigma Vehicle-to-Grid. El sistema emula con alta fidelidad el proceso de carga y páginas de inicio de sesión para aumentar el engagement de los atacantes. Expusieron el honeypot durante 30 días en Internet y, según reportan, logró evadir la métrica Shodan Honeyscore mientras atraía numerosas interacciones.
IoTOT/ICSHoneypotDecoy
Paper2023
Material revisado: AbstractLos autores proponen un enfoque de teoría de juegos para la asignación óptima de honeypots en redes tácticas con conectividad dinámica. Modelan un juego dinámico de dos jugadores que considera la evolución futura de la red, buscando maximizar la probabilidad de que el atacante caiga en un honeypot mientras se minimizan los costos de reconfiguración. Presentan un algoritmo iterativo para encontrar estrategias de equilibrio de Nash y evalúan su escalabilidad mediante simulaciones.
NetworkHoneypotDecoy
Paper2023
Material revisado: AbstractEste informe revisa los conceptos y tipos de honeypots, que las organizaciones usan como redes señuelo para atraer a atacantes, y discute los retos de su despliegue junto con ventajas y desventajas.
NetworkHoneypotDecoy
Paper2023
Material revisado: AbstractEl trabajo aborda la generación de honeywords, contraseñas falsas que acompañan a la contraseña real ("sugarword") en un sistema de detección de descifrado de contraseñas, donde un honeychecker distingue la contraseña real de las falsas. Los autores describen un método de generación de honeywords basado en un algoritmo discreto de enjambre de salpas (SSA), una metaheurística bioinspirada, y presentan la metodología propuesta junto con resultados experimentales comparados con estrategias anteriores.
IdentityHoneytokenDecoy
Paper2023
Material revisado: AbstractLos autores proponen un método de detección de ransomware basado en comportamiento y engaño que utiliza archivos y directorios señuelo para revelar actividad maliciosa. El paper describe una prueba piloto con Locky.
Decoy
Paper2023
Material revisado: AbstractLos autores proponen un método basado en aprendizaje profundo para generar flujos de tráfico sintético de dispositivos IoT que imiten tráfico real, con el fin de mejorar los honeypots IoT frente a la detección por atacantes. Según el resumen, el generador supera a enfoques previos en indistinguibilidad del tráfico real.
IoTNetworkHoneypotDecoy
Paper2023
Material revisado: Metadatos editorialesRegistro bibliográfico sobre engaño frente a ataques autónomos. El resumen y los resultados aún requieren lectura.
NetworkDecoy
Paper2023
Material revisado: AbstractLos autores investigan el uso de ChatGPT para generar respuestas automáticas a correos de estafadores, con el objetivo de hacerles perder tiempo y recursos mediante comunicaciones pointless. Según el resumen, resultados preliminares muestran que ChatGPT puede engañar (decoy) a los estafadores.
ApplicationDecoyAdversary engagement
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