《Journal of Agriculture and Food Research》:Securing agricultural IoT at scale: A review of lifecycle controls, patchability, and EU regulatory pressures
编辑推荐:
精准农业代表了一种变革性的农业方法,利用数字技术优化生产力、可持续性和资源效率。然而,其快速数字化引入了不断增长的攻击面,使网络安全和伦理治理日益关键(Adewusi et al. 2023)。本综述是对先前发表论文(Vl?dut? et al. 2026)的
精准农业代表了一种变革性的农业方法,利用数字技术优化生产力、可持续性和资源效率。然而,其快速数字化引入了不断增长的攻击面,使网络安全和伦理治理日益关键(Adewusi et al. 2023)。本综述是对先前发表论文(Vl?dut? et al. 2026)的结构化、跨学科扩展,聚焦于精准农业中的网络安全挑战,特别关注新兴威胁模式、跨信息物理系统的漏洞传播以及监管-技术错位。研究方法结合了主题文献综合、监管分析(例如,通用数据保护条例(GDPR)、网络与信息系统安全指令2(NIS2)、网络弹性法案(CRA))以及案例驱动的见解,以绘制威胁与缓解策略的图景。鉴于该主题的重要性及所呈现的监管方法,研究人员认为,鉴于第一篇论文获得的初步积极反馈,扩展初始论文并为读者提供更多背景信息将有益于特定文献,同时尽量减少重叠。该研究识别出三个关键缺口:(1)由于合规模型错位导致的监管-技术实施挑战;(2)基于物联网(IoT)的系统中级联漏洞缺乏可追溯性;(3)农业运营中以人为本的网络安全框架发展不足。此外,文章强调了缺乏结构化的农业特定网络威胁情报(Ag-CTI)以及基于人工智能(AI)的农艺系统中的对抗鲁棒性。通过整合伦理考量和安全设计原则,本综述为未来农业网络安全的研究与发展提供了基础性议程。随着食品工业日益依赖数据驱动系统(Kasar et al. 2025),确保农业中具有韧性且伦理对齐的数字基础设施成为一项全球性要务。
1. 引言
农业历来是人类文明的基石,为粮食安全、经济发展和社会稳定提供基础。传统农业系统面临人口增长、全球变暖、灾害、疾病和水资源减少等挑战,难以持续和竞争,因此演变为精准农业。精准农业被定义为多种策略和标准的混合体,涵盖全球定位系统(GPS)/全球导航卫星系统(GNSS)、无人机(UAV)、无人地面车辆(UGV)、物联网(IoT)设备、数据分析和人工智能(AI)等技术。随着技术参与,攻击面显著增加,IoT设备因硬件(HW)和软件(SW)能力有限而特别易受攻击。通信标准(如IEEE 802.11、IEEE 802.15.1、IEEE 802.15.4、IEEE 802.15.6)各有漏洞。近年来,农业和食品供应链遭受攻击,例如Verizon 2025年数据泄露调查报告显示85起攻击,Bitdefender 2024年报告显示平均每24小时发生10起以上攻击,2025年增至29起。本文旨在检查精准农业中IoT设备漏洞的影响,提出缓解策略,分析欧盟法规,并分析天气站案例和法律要求。与以往聚焦于特定技术层的综述不同,本文采用跨层视角,整合技术、监管和以人为本的维度,是首个全面连接这些领域并强调漏洞可追溯性和韧性的综述。
1.1. 网络安全威胁的农业背景化
精准农业中的网络安全威胁需理解为情境敏感风险。具体示例包括:GNSS欺骗导致自主拖拉机轨迹偏差达2.3米;勒索软件攻击智能灌溉系统,锁定灌溉操作;无人机通信劫持和数据投毒,误导决策支持系统;温室管理平台中的远程代码执行(RCE);牲畜监测中的虚假传感器读数。这些示例表明,农业网络安全不能脱离其运营、生物和监管背景。
1.2. 研究问题与目标
主要研究问题:精准农业中当前威胁图景是什么,哪些防御策略、伦理问题和监管框架塑造了其网络安全?四个子问题:识别网络威胁类型;评估现有技术和组织对策;评估伦理关切(特别是数据隐私和AI使用);理解欧盟网络安全法规对农业系统的影响。
1.3. 文章结构
本文结构设计为提供全面、分层的分析,涵盖技术与非技术方面。第1节介绍动机;第2节介绍研究方法;第3节讨论技术基础;第4节分析威胁图景;第5节回顾防御机制;第6节展示天气站案例研究;第7节分析伦理与监管维度;第8节总结并指出未来研究方向。
2. 方法论
本研究采用结构化叙事综述方法,结合目标文献检索和主题分析,并整合PRISMA框架原则以增强透明度和可重复性。文献按主题分类(表1):网络安全威胁(27篇)、安全框架与架构(21篇)、法律与监管框架(15篇)、农业IoT用例与平台(18篇)。纳入标准:同行评审期刊、会议论文、技术报告和白皮书,2015年后发表,聚焦农业、IoT或关键基础设施网络安全。排除标准:非英语、缺乏实证或概念贡献、重复和观点文章。数据来源包括IEEE Xplore、Scopus等数据库,以及欧盟监管文件和威胁情报库。初始检索287篇,去重筛选后143篇进入全文审查,最终81篇纳入综合。保留文献分为四个主题维度:威胁图景、防御机制、伦理与治理、欧盟政策与合规。表2对比了本综述与先前综述,突出本综述在范围、方法论、监管分析、威胁建模深度、案例研究和以人为本安全方面的独特性。
3. 精准农业的技术基础
精准农业从依赖人力演变为以技术为核心,包括自主机器。通用架构分为六个区域:现场区域(IoT传感设备、执行器、自主设备)、通信区域(协议如LoRa/LoRaWAN、5G、Zigbee、BLE、Wi-Fi)、网络区域(网关/边缘路由器)、存储区域(关系型和非关系型数据库)、服务器区域(人工智能处理)、应用区域(用户仪表盘)。每个区域均有安全考虑:现场区域需防范虚假设备;通信区域需加强密钥轮换和认证;网络区域需建立虚拟专用网络(VPN);存储区域需强认证和备份;服务器区域需定期漏洞扫描;应用区域需防范Web漏洞。
4. 精准农业生态系统中的网络安全漏洞
表3总结了各区域常见攻击及影响:现场区域(物理篡改、虚假数据注入、节点捕获、干扰、固件利用);通信区域(窃听、重放、欺骗、流量分析、拒绝服务(DoS));网络区域(DoS/分布式拒绝服务(DDoS)、路由攻击、中间人攻击、后门、密钥提取、固件利用);存储区域(勒索软件、数据投毒、未授权访问、DoS/DDoS);服务器区域(固件/软件利用、后门、操作系统利用、权限提升、配置错误、DoS/DDoS);应用区域(API滥用、凭证窃取、SQL/NoSQL注入、跨站脚本(XSS))。IoT设备因资源受限成为关键弱点。分析主要制造商漏洞:ARM(CVE-2024-10929、CVE-2024-5660)、Intel(CVE-2024-43420)、Qualcomm(CVE-2024-43047)、Broadcom(CVE-2024-3596)、Texas Instruments(CVE-2021-22677)、STMicroelectronics(CVE-2025-29660)、NXP(CVE-2024-56787)、NVIDIA(CVE-2024-0148)、Samsung(CVE-2025-4632)。这些漏洞表明风险存在于所有架构层。
5. 防御方法与威胁缓解技术
有效网络安全需多层架构,针对设备异构性、间歇性连接和计算资源有限进行定制。
5.1. 设备与固件级安全
现场设备层需确保设备完整性和真实性,通过基于硬件信任根(如可信平台模块(TPM)、安全元件、ARM TrustZone)的安全启动,加密签名的固件镜像,安全空中升级(OTA)和回滚保护。轻量级密码原语(如椭圆曲线密码(ECC)密钥交换)用于资源受限传感器。设备身份管理(唯一设备密钥)缓解大规模凭证重用。
5.2. 网络安全与通信协议
低功耗广域网(LPWAN)和短距离无线协议引入特定漏洞。需在设备、网关和后端之间实施端到端加密和相互认证。网络分段限制攻击传播,零信任网络原则(连续认证、最小权限)可应用于农业信息物理系统。基于异常检测的入侵检测系统可增强态势感知。
5.3. 平台、云与数据安全控制
农场管理信息系统(FMIS)和云分析平台是高价值目标。需强访问控制(基于角色的访问控制(RBAC)、基于属性的访问控制(ABAC))。数据加密(静态数据)、安全API网关、持续监控访问日志。供应链安全评估和软件物料清单(SBOM)用于识别继承漏洞。
5.4. 组织措施与治理
技术控制需辅以组织保障:事件响应工作流、备份策略、系统恢复程序。定期风险评估和渗透测试。针对农民、农学家和系统集成商的网络安全培训。监管对齐(如IEC 62443、欧盟网络安全法规)提供结构化风险管理框架。
6. 案例研究——农业4.0中农业天气站的威胁建模
本节对商用农业天气站应用STRIDE威胁建模方法,展示抽象漏洞如何具体化,并追踪从传感边缘到FMIS的传播。
6.1. 参考架构
采用Libelium One系列农业节点作为参考,集成MCU(ARM Cortex-M)、LPWAN无线电(LoRaWAN 1.0.x/1.1)或蜂窝模块(NB-IoT/LTE-M)、锂电池和光伏板,外壳IP65/IP66。该架构反映第4节CVE涉及的组件族。
6.2. 威胁建模方法
应用STRIDE框架,聚焦三个信任边界:物理/硬件边界、无线通信边界、API边界。表4枚举威胁,包括太阳能电缆切断(DoS)、调试端口访问(篡改、信息泄露)、传感器总线注入(篡改、欺骗)、未签名OTA固件更新(权限提升)、LoRaWAN AppKey提取(欺骗、信息泄露)、上行帧重放(欺骗)、软件定义无线电(SDR)流量拦截(信息泄露)、虚假遥测到FMIS(欺骗、篡改)。
6.3. 攻击面分析
物理篡改:太阳能电缆切断或遮蔽导致节点离线;打开外壳暴露调试接口(JTAG/SWD),可读取固件和凭证。固件生命周期弱点:没有安全启动时,恶意更新可持久运行。无线通信弱点:硬编码或批量共享AppKey导致整个车队受损;不严格帧计数器易受重放;AES-128仅依赖AppKey。
6.4. 漏洞传播与农艺后果
边缘层妥协可通过FMIS传播:干旱欺骗(虚假高降雨量抑制灌溉,导致产量损失20%-40%);过度灌溉攻击(虚假干旱导致连续灌溉);喷洒决策破坏(虚假风速导致不安全喷洒)。
6.5. 缓解映射与监管合规
硬件缓解:物理防篡改、熔断JTAG/SWD接口。固件缓解:符合CRA第13条的安全生命周期管理,硬件支持的安全启动加载器验证OTA更新。通信缓解:每设备根密钥存储在安全元件中,严格帧计数器执行。
6.6. 基于模拟的验证与权衡评估
模拟环境包含合成传感器层、网关层、FMIS决策仿真器和攻击注入模块。三个场景:虚假高降雨量/土壤湿度、虚假干旱、虚假风速。模拟证实了决策路径的可行性。权衡评估:轻量级控制(重放保护、有效载荷认证、跨传感器一致性检查)适用于常规遥测;较重控制(固件签名验证)适用于生命周期更新点。
6.7. 范围与方法论边界
威胁分析采用黑盒方法论,基于公开规范、已披露CVE和STRIDE框架,而非固件逆向工程。分析范围限于Libelium One作为代表类设备,精确量化仍是开放问题。
7. 精准农业中网络安全的伦理与治理意涵
精准农业依赖互联数字系统,引入超越传统网络安全的伦理挑战,涉及数据治理、问责、透明和人类监督。
7.1. 智能农业中的人为因素与可用性风险
人为因素包括凭证共享、弱密码、钓鱼、社会工程、内部威胁。表6列举人为风险及缓解措施。提出四层培训模型:第一层面向农民和现场工人(基础网络卫生);第二层面向操作员和技术人员(运营安全);第三层面向合作管理员和农场经理(访问控制、审计日志);第四层面向系统集成商和提供商(安全设计、漏洞披露、合规)。
8. 结论与未来研究方向
本研究全面综述精准农业网络安全挑战、漏洞和缓解策略。关键发现:监管-技术错位、级联漏洞可追溯性缺口、以人为本安全缺陷、技术特定安全框架不足。识别研究缺口:情境感知安全架构、IoT设备安全生命周期管理、对抗AI鲁棒性、农业网络威胁情报(Ag-CTI)、以人为本教育与仿真环境、级联故障可追溯性框架。传统IT/OT安全框架在农业中不适用,需重新设计。天气站案例表明,本地妥协可导致农艺、经济和监管后果,支持纵深防御方法。提出研究议程(表7):轻量级模块化安全协议、实证案例研究、对抗鲁棒AI模型、开放农业CTI平台、网络安全模块整合到课程。结论:农业未来与数字安全密不可分,需跨学科合作、监管创新和持续投资。