Qué sabemos
Los 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.
Límites de la evidencia
Revisión basada únicamente en el resumen depositado por el editor; no se accedió al texto completo ni se verificaron de forma independiente los resultados.
Se analizó: abstract del autor. No se analizaron los resultados del texto completo.
Fuentes y trazabilidad
- D3O-IIoT: deep reinforcement learning-driven dynamic deception orchestration for industrial IoT security
abstract · 2026-10-11
Revisado: 2026-10-13. La ficha puede actualizarse cuando aparezca nueva evidencia.