Superficie de aplicación
Servicios web, rutas y datos señuelo asociados a aplicaciones y APIs.
Pregunta de investigación
La definición y las consideraciones técnicas deben contrastarse con la fuente primaria. Las fichas del Atlas registran una selección de recursos etiquetados con este tema; una coincidencia de etiqueta no demuestra resultados operativos.
Cruce de tipos
Estas cifras representan fichas etiquetadas en el Atlas, no la cantidad mundial de trabajos u ofertas.
Biblioteca enlazada
Repositorio que documenta database security suite. Database proxy with field-level encryption, search through encrypted data, SQL injections prevention, intrusion detection, honeypots. Supports client-side and proxy-side ("transparent") encryption. SQL, NoSQL.
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.
Artículo de Pacheco y Staino publicado en las memorias SACS 2026 que describe el diseño educativo reproducible de Cyber Deception Playground.
Este trabajo propone siete técnicas de detección de inyección de prompts que adaptan mecanismos de disciplinas externas a la seguridad de LLM, como lingüística forense, análisis de fatiga de materiales, tecnología de engaño (deception), alineamiento de secuencias de bioinformática, diseño de mecanismos, análisis espectral y seguimiento de contaminación (taint tracking). Según los autores, cuatro de las siete técnicas se implementaron en la herramienta prompt-shield v0.7.3, incluyendo definiciones de herramientas honeypot, y se evaluaron mediante ablaciones en nueve bancos de pruebas con aproximadamente 10.300 muestras.
Este trabajo estudia la exfiltración de credenciales por agentes LLM mediante inyección indirecta de prompts, proponiendo tres defensas complementarias según los autores: sondas de activación para detección previa a la salida, honeytokens calibrados mediante predicción conforme dividida, y un presupuesto acumulado de fuga de información a lo largo de conversaciones de múltiples turnos. Los autores reportan resultados preliminares en experimentos controlados con modelos de pesos abiertos y un conjunto sintético de múltiples turnos de tamaño reducido.
Laboratorio abierto con Docker Compose, servicios vulnerables, niveles configurables de engaño, monitoreo y un entorno atacante para formación e investigación controlada.