Qué sabemos
Los autores proponen un framework de honeypot dinámico que combina un agente de decepción con aprendizaje por refuerzo (Q-learning tabular, formalizado como MDP), fusión de inteligencia de amenazas mediante indicadores de compromiso y acciones automatizadas de contención. Su propósito es adaptar la persona expuesta del honeypot y guiar las decisiones de decepción, evaluándose en un testbed virtualizado aislado.
Límites de la evidencia
Revisión basada únicamente en el resumen depositado en Crossref; no se leyó el texto completo ni se validaron de forma independiente los resultados.
Se analizó: abstract del autor. No se analizaron los resultados del texto completo.
Fuentes y trazabilidad
- AI-Driven Cyber Deception: A Reinforcement Learning Honeypot Framework with Threat Intelligence and Automated Containment
abstract · 2026-10-11
Revisado: 2026-10-16. La ficha puede actualizarse cuando aparezca nueva evidencia.