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: Texto completoRegistro bibliográfico sobre design thinking para cyberdeception. El resumen y los resultados aún requieren lectura.
NetworkDecoy
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 proponen un marco de hiperjuego entre un atacante y un defensor en el que cada uno puede interpretar la situación de forma distinta según creencias asimétricas, aplicándolo a amenazas persistentes avanzadas (APT) a lo largo de la cadena de ataque. El trabajo evalúa mediante simulaciones cómo las estrategias de engaño defensivo pueden manipular las creencias del atacante.
NetworkAdversary engagementDecoy
Paper2021
Material revisado: AbstractEste artículo es una encuesta que examina enfoques de engaño defensivo (defensive deception) basados en teoría de juegos y aprendizaje automático dentro de la investigación en ciberdefensa. Según los autores, se analizan los componentes clave, principios subyacentes y compensaciones de distintos enfoques en diversos escenarios de problemas. El trabajo recopila hallazgos, lecciones y limitaciones de investigaciones previas y propone direcciones futuras para abordar vacíos existentes.
NetworkAdversary engagementDecoy
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
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: 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 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
Paper2021
Material revisado: AbstractEste trabajo examina cómo la generación de señuelos (decoys) puede ralentizar el proceso de decisión de agentes automatizados en escenarios de emulación de adversarios. Los autores muestran, según su estudio, que el grado de inhibición depende en gran medida del tipo de objetos señuelo utilizados, señalando la necesidad de evaluar explícitamente las estrategias de generación y colocación de señuelos frente a adversarios automatizados rápidos.
NetworkDecoyAdversary engagement
Paper2021
Material revisado: Texto completoRegistro bibliográfico sobre deception autoadaptativo. El resumen y los resultados aún requieren lectura.
NetworkDecoy
Paper2020
Material revisado: AbstractLos autores presentan un enfoque de teoría de juegos con privacidad diferencial para el engaño cibernético, orientado a superar limitaciones de enfoques previos que asumen un número fijo de sistemas y atacantes simplificados. El defensor usa mecanismos de privacidad diferencial para cambiar estratégicamente el número de sistemas y ofuscar sus configuraciones, mientras el atacante usa inferencia bayesiana. Según los autores, los resultados experimentales demuestran la efectividad del enfoque propuesto.
NetworkDecoyMoving target defense
Paper2020
Material revisado: AbstractSegún el resumen, los autores proponen DARCY, un marco de defensa basado en el concepto de honeypot adaptado del ámbito de ciberseguridad, para detectar ataques adversariales textuales conocidos como Universal Trigger. DARCY inserta múltiples trampas (trapdoors) en un modelo de red neuronal para atraer y detectar dichos ataques, reportando altas tasas de detección en experimentos con cuatro conjuntos de datos públicos.
ApplicationHoneypotDecoy
Paper2020
Material revisado: AbstractLos autores proponen un enfoque de métodos formales para sintetizar estrategias de defensa reactiva en redes equipadas con sistemas señuelo. Generalizan los grafos de ataque para incorporar contramedidas del defensor en un modelo de juego ataque-defensa, e introducen una clase de hiperjuegos para modelar la información asimétrica creada por los decoys. Según los autores, este marco permite sintetizar estrategias de defensa efectivas basadas en la desinformación del atacante.
NetworkDecoyMoving target defense
Paper2020
Material revisado: Metadatos editorialesRegistro bibliográfico sobre un framework adaptable de deception. El resumen y los resultados aún requieren lectura.
ApplicationDecoy
Paper2020
Material revisado: AbstractEste trabajo, según sus autores, presenta un agente adaptativo que emplea decepción activa para reconocer la intención de un atacante cibernético, modelando el problema como un proceso de decisión secuencial de dos agentes mediante I-POMDPs factorizados. Los autores describen el uso de honeypots y decoys en múltiples fases del ataque para refinar las predicciones sobre el comportamiento del atacante, en lugar de solo retrasarlo o confundirlo.
NetworkEndpointHoneypotDecoy
Paper2020
Material revisado: Texto completoRegistro bibliográfico sobre señales adaptativas para defensa. El resumen y los resultados aún requieren lectura.
NetworkDecoy
Paper2020
Material revisado: AbstractEl estudio realiza un experimento exploratorio con 30 participantes en rol de atacantes para probar una estrategia de enmascaramiento (frente a un enmascaramiento aleatorio) destinada a reducir la utilidad de los atacantes durante el reconocimiento de red. Los autores observaron que los atacantes parecían tener más éxito al lanzar ataques en la condición óptima, que la puntuación total no difería entre estrategias y una tendencia generalizada a actuar conforme al sesgo de certeza o aversión al riesgo.
NetworkDecoy
Paper2020
Material revisado: AbstractEl artículo propone un modelo anti-reconocimiento de huellas de host basado en nodos virtuales. El modelo crea nodos virtuales reconfigurables periódicamente para camuflar dinámicamente la información de huella del host y redirige el tráfico de ataque hacia honeypots; además, los autores presentan modelos probabilísticos para analizar cómo parámetros como el número de sondas o las reglas de mapeo de honeypots afectan la probabilidad de éxito del ataque, y describen un prototipo con SDN y DPDK para verificar el modelo contra el reconocimiento.
NetworkHoneypotDecoy
Paper2020
Material revisado: Texto completoLectura críticaRevisión de modelos y técnicas de engaño defensivo en redes, sistemas y mecanismos criptográficos.
NetworkEndpointDecoy
Paper2020
Material revisado: AbstractSegún los autores, este estudio propone una red aleatoria expandida en el tiempo para modelar el movimiento lateral adversario en redes empresariales, junto con honeypots cognitivos dinámicos ubicados en nodos de producción inactivos y enlaces señuelo disfrazados como enlaces de servicio. Los autores describen un enfoque orientado a reducir la vulnerabilidad a largo plazo mediante políticas de honeypot que cambian de ubicación aleatoriamente.
NetworkHoneypotDecoy
Paper2020
Material revisado: Metadatos editorialesRegistro bibliográfico sobre deception personalizado en aplicaciones web. El resumen y los resultados aún requieren lectura.
ApplicationDecoy
Paper2020
Material revisado: AbstractSegún los autores, este trabajo presenta 'Primer', una herramienta para preparar y evaluar honeypots dinámicos frente a medidas de efectividad previamente desarrolladas por los mismos autores, relacionadas con el fingerprinting del entorno, la captura de datos de adversarios, el engaño y la automonitorización. Los autores indican que proporcionan resultados de calibración cuantitativa como un paso hacia pruebas automatizadas de efectividad.
NetworkHoneypotDecoy