Paper2026
Material revisado: AbstractEl artículo propone un marco que combina teoría de juegos con componentes basados en transformers para cuantificar, modelar y optimizar el engaño cibernético. Los autores definen métricas de superficie de ataque engañosa y las integran en un juego de señalización, con el fin de orientar estrategias de decepción adaptativas.
NetworkDecoyMoving target defense
Paper2026
Material revisado: AbstractLos autores proponen un marco antifrágil que emplea engaño cibernético con señuelos adaptativos y movimientos dinámicos de red para generar señales adversarias, inferir perfiles de actores de amenaza y apoyar decisiones proactivas. Una ontología de inteligencia de amenazas y un grafo de conocimiento con atributos semánticos representan relaciones tácticas y estratégicas entre atacantes y objetivos.
NetworkDecoyAdversary engagement
Paper2026
Material revisado: AbstractEste trabajo revisa, según sus autores, soluciones basadas en IA para construir estrategias de engaño cibernético a nivel de red y dispositivo en entornos disputados. Se enfoca en la combinación de modelos de lenguaje de gran tamaño (LLMs) y aprendizaje por refuerzo (RL) para optimizar estas estrategias de engaño, incluyendo honeypots y honeynets, y examina su validación frente a ataques sigilosos contra sistemas de tecnología operativa (OT) reportados en la literatura.
NetworkOT/ICSHoneypotDecoy
Paper2026
Material revisado: Página públicaLos autores proponen SecuPi, un sistema compacto basado en Raspberry Pi que combina monitorización de tráfico en tiempo real, detección híbrida de intrusiones (firmas y aprendizaje automático) y respuesta automática a amenazas. Como mecanismos de engaño y defensa proactiva, plantean el uso de honeypots junto con actualizaciones automáticas de cortafuegos y defensa de objetivo móvil (MTD).
NetworkIoTHoneypotMoving target defense
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: AbstractEste artículo presenta ShellGames, un simulador de shell SSH basado en modelos de lenguaje de gran tamaño (LLM) diseñado para sostener sesiones interactivas de engaño creíbles con adversarios. Según los autores, el sistema combina técnicas como razonamiento en cadena, gestión de memoria, ejecución especulativa de comandos, enrutamiento a entornos sandbox y detección de subversión para superar limitaciones comunes de los LLM. Los autores reportan mejoras en precisión, consistencia y seguimiento de estado frente a líneas base, y un estudio con usuarios que indica una realismo percibido comparable a un shell real.
NetworkEndpointHoneypotMoving target defense
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 el Hybrid Cyber Deception System (HCDS), descrito como una herramienta proactiva desarrollada en Python que combina honeypots y honeytokens en modalidad adaptable para simular servicios realistas y redirigir a los atacantes en entornos instrumentados. El sistema integra un motor de correlación de alertas guiado por decepción, basado en Python, Pandas y Scikit-learn, junto con principios de Moving Target Defense para modular continuamente parámetros de red y distribución de señuelos, y fue probado en un entorno simulado con servidores Windows y Ubuntu para perfilar atacantes y detectar vectores de ataque complejos.
NetworkEndpointHoneypotHoneytoken
Paper2024
Material revisado: AbstractEste capítulo, según sus autores, examina el uso combinado de modelos de teoría de juegos y modelos fundacionales (FMs) para analizar, diseñar e implementar tácticas de engaño cibernético en los niveles táctico, operacional y estratégico. Propone el enfoque MANSCOL (aprendizaje conjetural neurosimbólico multiagente) para que el defensor prediga comportamientos adversarios y diseñe tácticas de engaño defensivo adaptativas. También discute los retos de aplicar FMs en ciberseguridad.
NetworkAdversary engagementDecoy
Paper2024
Material revisado: AbstractEste trabajo en progreso estudia la implementación de estrategias de engaño en profundidad con tres capas lógicas iniciales: red, host y datos. Los autores combinan ideas de engaño militar, orquestación de red, engaño de software, engaño de archivos, honeypots falsos y defensas de objetivo móvil, construyendo un prototipo que será probado en entornos adversarios. Según los autores, el objetivo es mostrar que desplegar un amplio rango de técnicas de engaño puede proteger mejor los sistemas que usar técnicas aisladas, enfocándose en desalentar ataques en lugar de fomentar la interacción activa del atacante.
NetworkEndpointHoneypotDecoy
Paper2023
Material revisado: AbstractLos autores proponen un marco que combina defensa de blanco móvil (MTD), engaño y control de acceso basado en atributos (ABAC) para dificultar el acceso no autorizado por parte de insiders. Introducen el concepto de atributos correlacionados en ABAC y generan políticas mutadas a partir de ellos. Según los autores, la evaluación muestra que el marco identifica atributos correlacionados y produce políticas mutadas adecuadas sin afectar la usabilidad del sistema.
IdentityApplicationMoving target defenseAdversary engagement
Paper2023
Material revisado: Texto completoLectura críticaPropone un método de simulación para evaluar honeypots y moving target defense en redes.
NetworkHoneypotMoving target defense
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 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
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 propone EVHS, un sistema de honeypots virtuales elásticos para redes basadas en SDNFV, cuyo objetivo es gestionar y controlar honeypots de forma flexible. El sistema usa un sistema de detección de intrusiones de red en el borde para detectar ataques, aprovecha SDN y NFV para generar honeypots y emplea un mecanismo de defensa de objetivo móvil para conectar a los atacantes con dichos honeypots, además de reutilizar los honeypots disponibles tras gestionar los ataques.
NetworkHoneypotMoving target defense
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: 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
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: 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 revisa la literatura sobre el uso de aprendizaje por refuerzo (RL) como arquitectura de retroalimentación para mecanismos de resiliencia cibernética. Los autores analizan la resiliencia frente a vulnerabilidades de postura, información y humanas, e introducen tres dominios de aplicación: defensa de objetivo móvil, engaño cibernético defensivo y tecnologías asistivas de seguridad humana. También examinan vulnerabilidades del propio RL ante ataques a recompensas, observaciones de estado y comandos de acción.
NetworkMoving target defenseAdversary engagement
Paper2021
Material revisado: Texto completoRevisión histórica de honeypots, honeytokens y moving target defense entre fines de los años 1980 y 2021.
NetworkEndpointHoneypotHoneytoken
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: 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