Qué sabemos
Este trabajo de posición propone que presentar contenido de historias de engaño puede influir en cómo atacantes humanos y agentes basados en modelos grandes de lenguaje (LLM) evalúan la autenticidad de funciones y efectos de engaño en una red o host. Los autores describen su modelo industrial HoneyContent para diseñar y crear contenido de historias de engaño que 'envuelva' o incruste funciones de engaño, integrando teoría de garantía (warranting) y teoría de señales (signaling), y visualizan su uso en un escenario industrial de engaño cibernético.
Límites de la evidencia
Evaluación basada únicamente en el resumen depositado en Crossref; no se revisó el texto completo ni se verificaron de forma independiente los resultados, las afirmaciones o la eficacia del enfoque.
Se analizó: abstract del autor. No se analizaron los resultados del texto completo.
Fuentes y trazabilidad
- HoneyContent: Wrapping Deception Storyline Content to Warrant Human and LLM Agent Attacker Evaluations of Deception Functions and Effects
abstract · 2026-10-11
Revisado: 2026-10-16. La ficha puede actualizarse cuando aparezca nueva evidencia.