综述:智慧农业中的应用、技术、威胁与安全对策综合综述

《Franklin Open》:A comprehensive survey of applications, techniques, threats, and security countermeasures in smart farming

【字体: 大 中 小 】 时间:2026年01月13日 来源:Franklin Open CS1.4

编辑推荐:

  近年来智慧农业的技术突破极大改变了农业生产者的作业方式。现代技术如物联网(Internet of Things, IoT)、地下物联网(Internet of Underground Things, IoUT)、无人机(Unmanned Aerial Vehi

  
近年来智慧农业的技术突破极大改变了农业生产者的作业方式。现代技术如物联网(Internet of Things, IoT)、地下物联网(Internet of Underground Things, IoUT)、无人机(Unmanned Aerial Vehicles, UAV)、大数据分析(Big Data Analytics)及机器学习(Machine Learning, ML)等,显著提升了农场作业的响应速度。然而现有文献缺乏同时涵盖智慧农业基础技术、应用场景、安全问题、防护对策及发展挑战的综合综述。为此研究人员开展了系统性调研,深入解析智慧农业的技术体系、应用场景、安全机制及应对策略,旨在为农业生产者提供技术选型指南,同时帮助其识别数据泄露、物联网设备网络攻击、未授权系统访问等威胁智慧农业系统可靠性的安全风险并掌握缓解方法。该研究为多利益相关方提供了重要参考:农业生产者可依据研究结论选择安全高效的农业技术;研究人员可基于已识别的研究缺口开发增强型安全框架与创新解决方案。论文进一步明确了智慧农业的未来发展方向,强调网络安全建设、可持续技术融合及政策支持对农业数字化转型的关键作用。通过解决这些核心问题,本研究致力于构建更安全、更具韧性的智慧农业生态系统。
  1. 1.
    引言
    1.1 研究动因
    当前技术进步推动各行业持续改进方法与产品,智慧农业在提升农业生产率与可持续性方面潜力显著。其整合了云计算[1]、物联网(IoT)[2]、地下物联网(IoUT)[3]、无人机(UAV)[4]、地理信息系统(GIS)及机器学习(ML)等技术,通过融合多源物联网设备数据支撑农业生产决策。物联网与云计算的应用加速了农业机器人及人工智能技术的落地,在降低人工占比、减少运营成本的同时提高了产量,使农业经营更具成本效益。现代农业生产依赖智能设备进行数据采集、传输与分析,在实现降本增效的同时降低了环境影响[6-9]。现代农业管理信息系统(Modern Farm Management Information Systems, MIS)通过传感器与物联网设备实现数据采集、处理、可视化与安全通信[10]。但连接性的提升也使农场面临网络安全风险,美国联邦调查局(FBI)记录显示农业企业遭受的勒索软件攻击曾造成运营中断与重大经济损失,单次赎金要求高达3000万美元[11]。现有研究提出了漏洞评估框架[12]、安全通信方法[13]、监管策略[14]及基于CIA模型(机密性Confidentiality、完整性Integrity、可用性Availability)的威胁分析[15]等应对方案。尽管存在挑战,智慧农业仍将持续提升生产效率,成为农业未来的核心组成部分。5G网络[19]、虚拟现实(VR)[20]、增强现实(AR)[21]及扩展现实(ER)[22]等新技术的涌现既带来机遇也产生新的挑战,但现有综述未能全面覆盖这些进展与应用场景,因此亟需开展系统性研究填补空白。
1.2 研究目标与问题
为明确智慧农业领域的研究缺口,本研究对现有及新兴智慧农业技术、应用与挑战进行了全面调研,帮助研究人员高效掌握海量前沿文献。研究围绕五个核心问题展开:RQ1聚焦智慧农业技术的最新进展,为农业生产者提供技术选型依据;RQ2探讨值得深入探索的技术方向,支撑商业农场系统的开发;RQ3分析物联网设备的安全威胁与防护对策,提升研究人员与生产者对网络攻击的防范意识;RQ4评估主流智慧农业框架的局限性,为技术选型提供参考;RQ5指明未来研究方向,为后续技术研究奠定基础。
1.3 调研方法
研究人员采用系统性文献综述法,对智慧农业的技术、框架、应用、安全及对策进行分类梳理,综述覆盖核心学术数据库,检索范围包含关键词、索引术语、摘要及参考文献数据。最终纳入112篇学术论文与权威行业报告,经分类整理后形成122份有效分析样本。
1.4 研究背景与相关工作的局限性
1.4.1 智慧农业背景
智慧农业起源于20世纪80年代末至90年代初,当时拖拉机开始搭载全球定位系统(GPS)进行农田测绘[30]。早期技术存在信号遮挡等问题,2016年仅3%的Valtra拖拉机配备GPS功能[31],且系统操作复杂、用户界面不友好,需要专业人员培训才能使用。农业研究涵盖土壤栽培、水资源管理、作物生长等自然科学领域,以及工程学、经济学与管理学等延伸领域。图2展示了典型的智慧农业周期:智能物联网设备部署于农场采集处理数据,通过互联网与智能控制器联动,传统农机具通过集成传感器实现自动化作业,人类或搭载机器学习能力的机器人负责数据分析与执行控制。表1对比了本综述与现有研究的覆盖范围,证明本研究首次同时涵盖技术、应用、安全与隐私(S&P)、安全对策(SCM)及挑战等全维度内容。智慧农业的核心环节包括:智能传感监测(通过传感器层采集作物、土壤及大气数据)、智能控制(通过配置规则集的云平台判断农场状态并触发响应)、智能分析(结合大数据分析、数据挖掘与图像处理技术进行决策支持)。
1.5 主要贡献与研究范围
本研究的主要创新点包括:系统分析智慧农业核心技术体系;分类评述安全隐私威胁与防护对策;讨论技术采纳的影响因素与现实挑战;揭示技术、应用与安全问题的内在关联。
1.6 论文结构
全文共分为六部分:第2章阐述智慧农业参考架构;第3章讨论安全防护对策;第4章分析现有智慧农业框架;第5章总结关键挑战与未来方向;第6章给出研究结论。
  1. 2.
    智慧农业监测系统参考架构
    2.1 智慧农业定义
    智慧农业指利用信息通信技术(ICT)管理农业生产,在降低人力投入的同时提升农产品数量与质量。其系统构建需要融合多学科专业知识与信息通信技术支撑[5]。
2.2 智慧农业监测技术
智慧农业技术体系包含七个层级:传感器层负责采集土壤pH值、湿度等环境参数;网络层通过无线传感器网络(WSN)与互联网协议(IP)实现设备互联;服务层进行数据管理与系统配置;应用层提供可视化软件界面;云计算层实现数据存储与计算;节能技术贯穿各层以降低设备能耗;安全措施部署于应用层、网络层与云端保障数据安全。
2.3 应用层
应用层可分为三个子类:农场管理信息系统(Farm MIS)实现日常运营数据的采集、处理、存储与通信,已从简单记录工具发展为集成传感器数据与智能分析功能的复杂系统[10];预测系统利用机器学习算法(如决策树DT、支持向量机SVM、人工神经网络ANN等)分析土壤、气象数据,实现作物产量预估、病虫害预警与资源优化调度[37];预警系统将传感器分析结果转化为实时警报(如病害识别、土壤墒情异常等),通过Web/Android等多平台推送至生产者终端。智慧农业的具体应用领域包括:精准农业(基于数据驱动优化资源配置)、农业无人机(通过空地协同设备实施植保作业)、智能温室(自动调控环境参数实现跨地域种植)、畜牧管理(通过生物传感器监测牲畜健康与位置)、车辆追踪(利用GPS防止资产丢失)及智能仓储(监控粮仓环境参数)。
2.4 服务层
服务层包含管理层与配置层:配置层负责数据采集参数与设备控制指令的设置;管理层通过大数据分析、预测算法与信息系统开发技术实现后端数据处理。
2.5 网络层
网络层依托无线传感器网络(WSN)实现传感器节点与云端仓库的数据传输。5G网络凭借高带宽特性显著提升数据传输效率[33],为自动驾驶拖拉机、无人机集群控制等时延敏感型应用提供支撑。图11展示了全球5G网络部署的空间分布特征。
2.6 传感器
常用农业传感器包括:光学传感器(测定土壤属性与作物生理参数)、定位传感器(通过GPS获取地理位置信息)、电子传感器(监测设备运行状态)、介电土壤水分传感器(测量土壤含水量)、电化学传感器(分析土壤养分与pH值)、机械土壤传感器(检测土壤紧实度)及气流传感器(评估土壤通气性)。
2.7 云计算技术
云计算为智慧农业提供弹性可扩展的信息技术支撑,通过响应作物的时空变异特征实现精准农业管理,同时为物联网数据提供安全存储与分析平台[84][85]。
2.8 节能技术
针对大型农场的能源成本问题,研究人员开发了面向耕作装备的节能技术[87],并通过传输功率控制[88]、能量收集技术[89]延长无线传感器网络设备的续航时间。
2.9 安全隐私问题
智慧农业的互联网暴露面持续扩大,田间传感器、自动驾驶车辆等设备常运行过时软件且存在未知漏洞[39],导致系统易遭受网络攻击。数据传输过程中的中间人攻击可能窃取农户隐私与生产数据[92],虚假数据注入则会误导生产决策。基于FBI通报案例[11],农业领域已发生多起勒索软件攻击事件,攻击者使用Conti、BlackMatter等变种加密关键数据并索要高额赎金。现有研究通过通用漏洞评分系统(CVSS)评估设备风险[12]、轻量级加密实现点对点安全通信[13]、CIA模型识别系统威胁[15]等方法提升防护能力。网络攻击可分为两类:数据层面攻击(包括中间人攻击、勒索软件、权限提升等,可能导致决策数据被篡改与商业机密泄露[29]);网络层面攻击(包括侧信道攻击[98]、射频干扰[99]、拒绝服务攻击[100]等,可能造成设备失控与僵尸网络组建[90])。
2.10 真实世界网络攻击案例研究
案例一:约翰迪尔公司网络事件[104]。2020年该公司遭受勒索软件攻击,内部网络与精密农业设备控制系统被锁定,攻击者窃取了农场位置、设备配置等知识产权与客户数据。2022年安全研究员演示了通过漏洞获取拖拉机触摸屏root权限的方法[106],该漏洞可能被用于绕过设备维修限制或发起进一步网络攻击。事件暴露了三大风险:网络连接层面的拒绝服务威胁与权限提升风险;数据访问层面的欺骗攻击、信息泄露与抵赖风险;低成本物联网设备普遍存在的蓝牙低功耗(BLE)协议漏洞[109]与IEEE 802.11协议缺陷[90]。
案例二:澳大利亚GrainCorp公司网络事件[114]。2022年该公司粮食处理与物流基础设施遭受勒索软件攻击,导致种子供应链中断与粮食加工停滞。攻击者可能通过钓鱼邮件或未修补漏洞入侵IT系统,并横向移动至运营技术(OT)网络加密关键文件。事件反映了网络分区隔离不足、多因素认证缺失、数据加密强度不够等安全隐患,攻击可能导致生产调度数据被篡改与农业商业秘密泄露。
  1. 3.
    安全对策
    针对数据攻击,建议采取定期安全风险评估、部署防火墙、实施多因素认证与数据加密、建立区块链存证系统等措施[85][118]。针对网络攻击,应部署边缘防火墙、入侵检测系统(IDS)[121][122]、人工智能实时威胁检测工具,并结合密码学技术保护敏感数据。
3.1 其他安全对策
3.1.1 面向多农场系统的联邦学习(Federated Learning, FL)
联邦学习通过分布式训练模式,使多个农场能在不共享本地数据的前提下协作构建全局机器学习模型[126],既保护了农户数据隐私,又提升了跨区域模型的泛化能力。现有研究已实现基于联邦学习的灌溉需求预测[127]与大豆产量优化[128],但仍需解决数据异构性与通信带宽限制问题[129]。
3.1.2 区块链
区块链技术通过去中心化账本、不可篡改记录与智能合约,为食品溯源[132]、农业供应链金融[134]提供透明可信的支撑平台。在智慧农业物联网场景中,区块链可用于设备身份认证[138]、访问控制管理[137]与无人机通信安全保护[139]。以太坊适合部署农业智能合约[118],Hyperledger可提供许可链环境下的多方协作[140],IOTA则能支撑物联网场景下的无手续费微交易[141]。
  1. 4.
    智慧农业框架
    现有框架包括:基于无线传感器网络与能耗约束的通用参考架构[40];融合边缘计算、雾计算与卷积神经网络的四层处理框架[142];适配多作物类型的灵活物联网架构[41];集成人工智能预测能力的三层平台框架[144]。
  2. 5.
    假设、挑战、洞见与未来研究方向
    研究假设现有文献能为技术发展提供可靠基础,但仍面临六大挑战:农村地区的互联网带宽不足与GPS信号遮挡问题[145];设备电池续航能力有限[146];海量农业数据的智能筛选与管理难题[12];区域性特色作物的专用数据集匮乏;物联网专用入侵检测数据集缺失与对抗样本攻击威胁[99];联邦学习的数据异构性与通信开销问题。未来研究应聚焦于:轻量化边缘计算架构开发[147];区块链延迟优化与跨链互操作性研究;联邦学习与区块链融合的边缘智能系统[148];适配不同规模农场的安全技术方案;以及虚拟现实(VR)、增强现实(AR)等新兴技术的应用验证。
  3. 6.
    结论
    本研究系统综述了智慧农业的技术体系、应用场景、安全威胁与防护对策,为农业生产者提供了技术选型指南与风险防控方案,也为后续研究指明了发展方向。研究成果除直接服务于智慧农业外,其安全理念与防护策略还可推广至智慧城市、医疗物联网等其他物联网应用领域。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号