Superficie de aplicación

Endpoints y puestos de trabajo

Señuelos y artefactos defensivos ubicados en endpoints para hacer visible la exploración o el uso indebido.

Pregunta de investigación

¿Qué interacción con el endpoint activa la señal y cómo se distingue de la actividad legítima?

Contexto y método

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

Este tema en distintas fuentes

Estas cifras representan fichas etiquetadas en el Atlas, no la cantidad mundial de trabajos u ofertas.

Biblioteca enlazada

Fichas asociadas

62 fichas etiquetadas
Paper2026

A trust-aware blockchain framework with deception-based edge nodes for secure and scalable IoT healthcare systems

Material revisado: Abstract

Los autores proponen TAB-DEN, un marco para sistemas sanitarios de IoT que combina blockchain permisionada con consenso Prueba de Autoridad para autenticación descentralizada, una arquitectura jerárquica de servidores edge que calculan puntuaciones de confianza en tiempo real y desvían el tráfico según su fiabilidad, y nodos edge basados en engaño que actúan como entornos tipo honeypot para atraer, aislar y perfilar a los atacantes. El objetivo declarado es proporcionar seguridad escalable y resistente a ataques cuánticos, registrando los eventos de intrusión mediante un esquema de firma post-cuántico basado en retículos para que los registros de ataque resulten inmutables y verificables en el libro mayor distribuido.

IoTNetworkHoneypotDecoy
Paper2026

AdvancedShelLM: A Stateful Multi-Agent LLM Honeypot for SSH Deception

Material revisado: Abstract

Los autores presentan AdvancedShelLM, un honeypot SSH basado en LLM que utiliza una arquitectura multiagente (Manager y Worker) para mejorar la comprensión de comandos y la capacidad de engaño respecto a su predecesor shelLM. Según el resumen, el sistema fue evaluado mediante pruebas unitarias, un atacante de IA, atacantes humanos y un despliegue en Internet.

NetworkEndpointHoneypotDecoy
Paper2026

Anchoring Cyber Deception: Evaluating Anchoring Effects in Attacker Choices

Material revisado: Abstract

Este estudio examina cómo los efectos de anclaje influyen en las decisiones de los atacantes en escenarios de ciberataque, mediante dos experimentos. El primero compara métodos de medición del anclaje en tareas de Crontab y nombres de host; el segundo integra disparadores de sesgo en una cadena de ataque de extremo a extremo.

NetworkEndpointDecoyAdversary engagement
Paper2026

AUTOMATED SYSTEM OF ISOLATED EMULATION ENVIRONMENTS FOR CYBER THREAT RESEARCH

Material revisado: Abstract

El artículo analiza el uso de tecnologías de Cyber Deception (engaño cibernético) para el estudio de amenazas actuales y el comportamiento de posibles atacantes, y sostiene la utilidad de los sistemas honeypot para recopilar información sobre intentos de acceso no autorizado y técnicas de ciberataque. Sus autores proponen una arquitectura de laboratorio basada en infraestructura virtual con el sistema honeypot Cowrie, orientada a la recolección automatizada de registros de eventos y la monitorización continua de intentos de acceso, procesos de autenticación, comandos ejecutados y análisis posterior de la actividad de los atacantes.

NetworkEndpointHoneypotDecoy
Experiencia2026

Cargo Theft Actor in a Persistent Decoy

Material revisado: Página públicaLectura crítica

Proofpoint observó durante más de un mes acciones posteriores a la intrusión en un entorno señuelo operado con Deception.Pro; estudio de conducta adversaria, no prueba de eficacia comercial.

EndpointNetworkDecoyAdversary engagement
Paper2026

Decoys Cannot Go Everywhere: Mapping the Deception Surface in MITRE ATT&CK

Material revisado: Abstract

Los autores examinan la suposición de que los señuelos pueden situarse en cualquier punto donde exista comportamiento del atacante, aplicando una rúbrica de cuatro criterios a las 250 técnicas de MITRE ATT&CK v18.1. Concluyen que solo el 32% de las técnicas admiten un señuelo plausible y describen dos patrones de colocación denominados Sweep y Seek, ofreciendo una regla simple para el despliegue de señuelos.

NetworkEndpointDecoyAdversary engagement