隨著智慧化的逐漸落地，網際網路、物聯網、大資料、雲計算和人工智慧都有不俗的表現。
同樣，在農業領域，不少人也開始將這個時代稱為“智慧農業”時代。
可以料想到，未來，智慧農業的規模只會越來越大。到本十年末，世界人口預計將超過85億，其中超過8.4億人會受到嚴重飢餓的影響，落在智慧農業肩上的擔子，就是要提高糧食的產量和效率。
但是有得就必有失，隨著數字技術發展起來的，還有潛在的網路安全漏洞。
於是，隨著智慧農業4.0，也就是智慧農業的提出，產量問題自然是重點關注，更強大的資料分析以及更智慧的自動化和決策能力同樣不可忽視。
儘管目前，研究人員們對智慧農業進行了廣泛的研究，但“尚未解決圍繞智慧農業的安全問題”，南京農業大學的Xing Yang表示。
他補充到，迄今為止，該領域的研究主要涉及將傳統的網路安全知識應用於農業背景。相比之下，農業網路安全沒有得到足夠的重視。
Yang和他的同事們調查了不同種類的智慧農業，以及針對它們的關鍵技術和應用。農業物聯網應用程式具有引起安全問題的獨特特徵，他們對此進行了列舉，也提出了相應的對策。
文章中寫到，田間農業可能會受到設施損壞的影響，以及家禽和牲畜育種可能會遇到感測器故障，溫室栽培可能會面臨控制系統的入侵等。所有這些都可能導致IoT架構（包括硬體和軟體）損壞，從而導致農業運營失敗。
此外，資料採集技術面臨威脅，包括惡意攻擊、未經授權的訪問、隱私洩露等，而區塊鏈技術可能容易受到訪問控制失敗和不安全的共識協議的攻擊。
Yang認為，智慧農業中最緊迫的安全問題涉及物理環境，例如工廠控制系統的入侵和無人機（UAV）的錯誤定位。他說：“農村地區的網路不如城市，這意味著，某些地區的網路訊號較差，這就會導致錯誤的基站訊號。”
研究人員還特別注意了農業裝置潛在的安全威脅，Yang表示：“考慮到IoT裝置在農田中的部署相對稀疏且無法得到有效監督，如何確保裝置的物理安全也是一個挑戰。”“此外，由長距離訊號傳輸引起的延遲也增加了Sybil攻擊的風險，Sybil攻擊正在透過虛擬節點傳輸惡意資料。”
例如，在他們的太陽能殺蟲燈實驗中，他們發現，燈的高壓脈衝影響了基於Zigbee的IoT裝置和資料採集感測器的資料傳輸。因此，Yang說，為了最大程度地減少不必要的損失，必須根據實際在田間的部署情況研究每種裝置，包括特定農業裝置可能的安全風險，這一點很重要。
該研究還總結出了適用於智慧農業的現有安全和隱私對策，包括身份驗證和訪問控制協議、隱私保護框架、入侵檢測系統以及加密和金鑰管理。
Yang樂觀地認為，可以使用現有技術（例如邊緣計算，人工智慧和區塊鏈）的應用來緩解某些現有問題。他說，可以開發可能檢測惡意使用者存在的AI演算法，而可以將現有的工業安全標準應用於為農業物聯網設計目標明確的安全方案。
他說，這代表了一項重大的研究挑戰，因為深度學習方法中使用的當前資料集並不基於智慧農業環境。因此，需要新的資料集來在智慧農業環境中構建網路入侵檢測器。
Yang說：“這些技術可以幫助發展智慧農業並解決一些現有的安全問題，但是它們存在漏洞，因此也帶來了新的安全問題。”
