A Self-Synchronizing Cyber Deception Framework via Infrastructure as Code Reflection
Notice bibliographique
Résumé
As cyberattacks become more sophisticated, the us e of honeypots has emerged as an alternative to proactively collec t attackers' exploit strategies. However, conventional honeypots o ften lack realism and require much human effort to deploy and m aintain in modern IT infrastructures. This excessive cost in resou rces creates a major obstacle to their widespread use. To address these challenges, this paper proposes a self-synchronizing cyber d eception framework that upholds the declarative approach of I nfrastructure as Code (IaC), maintaining idempotency and consis tency while automatically generating a deceptive environment. O ur framework treats the target system's laC files as a blueprint to automatically generate and deploy a high-fidelity, “digital twin” deception environment. Our framework uses an automated pip eli ne to analyze the laC file, apply the predefined transformation ru les, and dynamically build new container images - replicating stru ctural elements while replacing the core application logic with a h oneypot. After deployment, the framework keeps the deceptive en vironment synchronized with the original system by automaticall y re-deploying the pipeline in response to any changes in the sour ce laC file, increasing fidelity and reducing management costs. T he implementation of this prototype successfully shows a reductio n in the manual effort required for deploying and maintaining de ception environments, presenting a scalable and sustainable fram ework for active defense. This provides a strong foundation for b uilding the next-generation defense mechanisms that can adapt to both evolving cyberattacks and changing infrastructure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».