Search
E-mail
RSS

Journal of Cybersecurity >

2024 , Vol. 2 >Issue 4: 85 - 94

DOI: https://doi.org/10.20172/j.issn.2097-3136.240408

Technology Application

SUNets architecture, applications, and security challenges for future agriculture

  • YANG Haotian 1 ,
  • ZHANG Xiaoyu 2 ,
  • XIE Zhan 2 ,
  • WANG Liang 2 ,
  • LIU Lu 3 ,
  • WANG Liangmin , 2, *
Expand
  • 1. School of Agricultural Engineering, Jiangsu University, Zhenjiang 211013, China
  • 2. School of Cyber Science and Engineering, Southeast University, Nanjing 211189, China
  • 3. School of Computing and Mathematical Sciences,University of Leicester, Leicester LE1 7RH, UK

Online published: 2024-11-16

Supported by

National Natural Science Foundation of China (62372105); Leading-edge Technology Program of Jiangsu Natural Science Foundation (BK20202001)

Copyright

Copyright ©2024 Journal of Aeronautical Materials. All rights reserved.
Fold

Abstract

Satellite-assisted Unmanned Device Networks (SUNets) integrate satellite communication, unmanned devices, ground support facilities, and cloud computing to achieve wide-area connectivity in agricultural production. However, the security issues introduced by the wide-area coverage and complex multi-layered communication structure of SUNets have not been thoroughly researched in the agricultural field. The future "cloud-network-end" agricultural architecture based on SUNets is systematically reviewed, and the specific application cases of future agriculture under the wide-area coverage of SUNets are explored, focusing on cross-regional agricultural machinery scheduling and field management. Additionally, the collaborative security and the security issues caused the data transparency, transmission path complexity, and the dynamic nature of the network environment within the SUNets architecture are summarized. The paper aims at investigating the architectures, applications, and security challenges of future agricultural SUNets, providing a reference for future research to fill the gaps in SUNets about agriculture.

Key words： SUNets; future agriculture; "cloud-network-end" collaborative security; data security; communications security

Cite this article

YANG Haotian , ZHANG Xiaoyu , XIE Zhan , WANG Liang , LIU Lu , WANG Liangmin . SUNets architecture, applications, and security challenges for future agriculture[J]. Journal of Cybersecurity, 2024 , 2(4) : 85 -94 . DOI: 10.20172/j.issn.2097-3136.240408

0 引言

卫星辅助的无人设备网络（Satellite-assisted Unmanned Device Networks，SUNets）是一种集卫星通信技术、无人设备系统、地面支持设施和云计算于一体的数据服务系统。SUNets融合了“天基”和“地基”技术，为地面和空中终端提供宽带互联网接入等通信服务[1-2]。通过在轨道上部署的卫星群组，可以实现覆盖广泛的网络服务。SUNets与传统蜂窝网络的最大区别在于，SUNets使用卫星作为中间通信媒介，而不是基于地面站[3]。对于不适合部署地面基站的场景，如海洋、沙漠、山区等地域，SUNets凭借其广域的通信覆盖能力，可以支持这些场景下的用户或设备随时随地接入网络。此外，自然灾害如地震、洪水、飓风等，往往会破坏地面通信基础设施，导致通信中断和网络异常。而相比之下，卫星由于远离地球表面，能够在一定程度上避免这些灾害的直接影响，从而保持通信畅通。这种特点使得SUNets在灾后应急通信中具有显著优势。尽管自然灾害可能对农作物造成破坏，但农业生产的恢复和灾后管理依然需要可靠的通信网络。例如，卫星网络可以帮助农民快速获取灾后重建和恢复生产的指导信息，监测受灾情况，优化资源配置，从而提高灾后农业生产的效率和资源利用率[4]。因此，SUNets的实施对于推动全球互联网覆盖，尤其是在农业领域，具有重要意义。这种技术的应用能够在灾害恢复和日常农业管理中提供持续的支持，显著提升农业生产效率和资源利用效率[5]。
基于SUNets的未来农业不同于当前的卫星遥感农业和基于物联网（Internet of Things，IoT）的智慧农业。如表1所示，卫星遥感农业主要依赖于卫星传感器获取大范围的地表信息，通过影像分析和数据处理来监测农田状况、预测产量和评估自然灾害影响。然而，卫星遥感技术在数据获取的实时性和精度方面存在一定的局限性。具体而言，遥感农业的架构主要依赖于静态卫星影像的周期性获取，主要用于获取农业相关的地理和环境数据，目的是监测作物健康、土壤湿度、气候变化等。这些数据通常包含大量的高分辨率图像和其他传感器数据，传输数据的主要目的是分析和处理，而不是实时通信。然而遥感农业获取高分辨率的地理和环境数据，数据量大，但传输要求并非实时，更多的是注重数据的准确性和完整性，传输效率相对次要。此外，遥感使用的是地球观测卫星，主要任务是数据采集，通信能力相对有限[6-7]。相比之下，基于SUNets的未来农业能够通过在轨卫星群组提供持续、稳定的网络连接，实现对农田的实时监控和数据传输。
表 1 遥感农业、智慧农业与未来农业对比

Table 1 Comparison of remote sensing agriculture, smart agriculture and future agriculture

遥感农业 智慧农业 未来农业
使用网络 SatComs IoT SUNets
数据获取与传输 卫星传感器，延迟较长 依赖地面网络 卫星和无人设备数据传输
地理覆盖范围 大范围覆盖 地面网络有限覆盖 全球广域覆盖
设备互联互通 地球观测卫星通信能力受限 依赖地面设备互联 无人设备通过卫星网络高效互联
跨区域资源整合 资源整合较难 受地理位置限制 跨区域资源实时整合利用
SUNets架构结合了在轨高带宽通信卫星和无人设备的动态数据获取能力，无人设备可以通过SUNets实现与地面控制中心的无缝通信，即时上传环境数据和作业信息，确保农业生产的实时性和精确性[8]。此外，基于物联网的智慧农业依赖于地面网络设施，通过分布在农田中的传感器、自动化设备,以及智能终端收集和传输数据。然而，地面网络基础设施的建设和维护成本高昂，且在地理位置偏远、环境条件恶劣的地区难以实现高水平的自动化和智能终端设备的普及，地面网络的覆盖和稳定性常常受到限制[9-10]。而SUNets通过卫星通信技术解决了基础网络覆盖的问题。即使在这些偏远和环境恶劣的地区，SUNets可以提供基本的通信保障，使得有限的智能设备和传感器能够连接到网络，进行必要的数据传输和监控[11]。这些初步的通信能力可以为逐步提升农业自动化水平打下基础。在传统农业区，SUNets可以显著提升现有智慧农业系统的通信能力和可靠性。因此，SUNets通过结合卫星和无人设备的实时数据传输，克服了传统卫星遥感的局限，实现了更高的传输效率和实时性。
基于SUNets的未来农业将带来几个方面的显著变化。首先，广域覆盖能力使得大规模区域的农业数据能够实时高效互联，实现跨区域的资源整合和利用，例如不同地区的农机数据可以集中分析和管理，提高农机利用率和生产整体效率[12]。其次，实时监控和管理得以实现，农业生产中的无人设备和传感器能够即时传输数据，确保农田环境、作物生长状况和设备运行情况的实时监控。再次，智能决策支持通过云服务进行分析，为农业生产提供科学的决策支持，如精准灌溉和病虫害预警等[13]。然而，这些变革也带来了数据透明性导致的安全问题和多层传输路径中的通信安全问题。数据透明性可能引发敏感数据泄露，影响农业生产的安全性[14]。而多层次通信中的各个环节可能成为潜在的攻击目标[15]。本文首先介绍面向SUNets的未来农业架构，重点关注通过整合卫星、无人设备和地面传感器网络，构建一个数据互联、网络互通的广域农业系统。然后，给出基于SUNets的未来农业应用的具体案例。接着将探讨其面临的安全挑战，包括数据安全与通信安全。最后，进行总结，并给出未来研究方向。

1 面向未来农业的SUNets架构

1.1 SUNets架构

SUNets的“云—网—端”协同安全架构由西安电子科技大学马建峰团队首次提出[16]，其是一个集成了卫星互联网、无人设备系统、地面支持设施和云端数据服务系统的综合性网络体系。其网络架构示意图如图1所示，其由云服务、网络和无人设备三部分组成。
图 1 SUNets结构示意图

Fig.1 SUNets architecture schematic

具体而言，云服务包含所有能够提供数据存储、查询和计算服务的云设备集合，这些设备通过网络互联，形成一个数据服务的集合。
网络指的是提供通信和数据传输功能的异构网络系统，其中涵盖了卫星互联网、传统骨干网、地面支持网络以及无人设备之间的智能IoT。这些网络一般会由多个子网构成，每个子网可以是同一类型网络的不同区域，或者是不同类型网络中的独立子网。例如，卫星互联网、传统骨干网以及城市中的车联网都是网络部分的子网。这种结构确保了网络连接的灵活性和广泛的覆盖能力，能够满足不同应用场景下的通信需求。
无人设备包括各种具备计算和存储能力的无人终端设备，如无人机、无人车等。这些设备能够在本地执行简单的计算任务，或者通过网络将任务卸载到云端处理。无人设备部分同样由多个子系统组成，每个子系统可以是同一区域内的互联设备，也可以是跨区域的互联终端。例如，一个企业的无人生产车间、一个住户的智能家居系统，以及一个空域的无人机集群，都属于无人设备部分。通过这种架构，SUNets能够在广泛的地理范围内提供灵活高效的通信和数据处理服务。
在SUNets架构中，卫星的地位和作用非常关键，主要体现在广域覆盖、高速传输和连接稳定性方面。卫星互联网能够提供广域覆盖，尤其是在地面网络难以覆盖的偏远和海洋区域，这对于无人设备的全球通信至关重要。卫星互联网可以提供高速的数据传输能力，确保无人设备和云端之间的数据传输高效、及时。相比地面网络，卫星通信在某些场景下可以提供更稳定的连接，减少因为地面环境变化导致的通信中断。为了更好地利用这些优势，无人设备的数据传输可以通过两种方式进行。首先，通过卫星互联网进行数据传输，特别是在地面网络无法覆盖或者覆盖不稳定的区域；其次，在覆盖范围内，无人设备也可以通过地面网络直接进行端到端的数据传输，例如在城市环境中，通过地面骨干网或者智能IoT进行数据传输。这种方式减少了对卫星资源的依赖，同时可以提供更低的传输延迟，从而提高了整体网络的效率和可靠性[17]。
此外，SUNets架构中的数据传输是同时支持单向和双向的。单向数据传输的场景主要集中在环境监测、作物生长状态监控以及牲畜健康监测等领域。在这些场景中，设备通常只需要将采集的数据上传至云端或地面支持系统，无须接收来自上层的指令。例如，远程环境监测系统通常通过分布在田间的传感器定期采集气象数据或土壤湿度，并将这些数据传输到云端进行集中存储和分析。双向数据传输的场景则广泛应用于需要实时反馈和控制的农业应用中。例如，智能灌溉系统需要根据土壤湿度传感器的数据，实时调节灌溉策略。传感器将数据上传至云端，云端分析后会将灌溉指令下发至田间的灌溉设备[18]。此外，无人机在执行巡检或播种任务时，操作员需要实时控制无人机的飞行路径和操作任务，同时无人机也会将执行情况和环境数据实时反馈至操作员，确保任务的精准执行。通过单向、双向相结合的数据传输，SUNets架构能够实现“云—网—端”的协同工作，确保数据和指令能够在各部分之间高效传输，从而提供可靠和高效的服务。

1.2 未来农业架构

SUNets被视为农业卫星互联网的未来架构。目前农业架构研究主要集中于卫星遥感农业和基于物联网的智慧农业。Vallentin等[19]探讨了6种光学卫星传感器的数据与土壤、地形参数和谷物油菜产量数据之间的直接关系。Junior等[20]提出了一种在基于雾计算的智慧农业环境中收集和存储数据的方法，并探讨了16种数据压缩技术。Cicioğlu等[21]利用物联网传感器和无人机实现大规模玉米田的高效收获与监控，减少了长距离通信的需求。然而，现有的卫星遥感农业和智慧农业在地理覆盖、实时性和灾害应对能力方面存在一些局限性。卫星遥感农业虽然能够提供大范围的数据覆盖，但其数据获取的实时性较差，容易受到天气和地形的影响。基于物联网的智慧农业虽然能够实现实时数据传输和处理，但其依赖于地面网络基础设施，在地理覆盖和灾害应对能力方面存在不足[22]。
基于SUNets的未来农业架构通过结合卫星通信技术和无人设备系统，提供了一种全新的解决方案。文献[16]提出了一种结合云服务和卫星互联网的新型“云—网—端”协同安全架构，并且给出了异构网络安全融合架构、无人系统协同作战安全架构、天空地一体化网络安全架构等应用实例，旨在建立体系化安全机制，构成无线网络安全的新范式。该新型架构能够在保证广域覆盖的同时，提升数据处理和传输效率。在农业应用中，卫星在SUNets架构中的地位至关重要。卫星不仅提供了广域覆盖，能够覆盖到偏远和地面网络无法覆盖的农田区域，还能提供高效的数据传输通道，确保农业数据的实时获取和传输。尤其在灾害应对和紧急情况中，卫星通信能够快速恢复和提供稳定的连接，确保农业生产的连续性和安全性。
云服务平台提供强大的计算和存储能力，进行深度数据分析、模型训练和复杂计算任务处理，同时可以存储和管理大量农业图像与数据，提供数据挖掘和智能决策支持[23]。因此，面向SUNets的未来农业架构趋向于“云—网—端”架构，可表示为一个三元组(C，N，U)，云服务（C）通过云平台，可以将来自各个无人终端系统的数据进行整合、分析和存储，形成一个庞大的农业数据资源库。这些数据不仅包括土壤湿度、气象信息、作物生长状况等基础数据，还涵盖了无人设备运行状态、农田作业日志等动态信息。云平台通过大数据分析和人工智能等技术，为农民提供精准的种植建议、病虫害防治方案和生产管理决策支持。提供连接服务的网络系统（N）可以使广域农业数据能够实现高效、稳定的传输和共享。无人控制的终端智能系统（U）包括各类农用无人设备，这些设备能够实时收集农田数据，并执行精准的农业作业，如精准灌溉、植保喷洒和收割等。未来农业架构通过云、网、端的结合，实现了农业生产的精准广域管理。从大规模区域的土壤监测、种植管理、病虫害防治，到收获运输、市场销售，SUNets 都能提供全面、精准的支持，从而提高了农业生产的效率，还能有效减少资源浪费，实现可持续发展。

2 面向SUNets的未来农业应用

SUNets可以实现农业的广域连接，即使是位于偏远地区的农场也能够实现与全球范围内数据中心的实时通信，为大规模区域的农业数据互联与网络融合提供可能，如图2所示。下面给出两个未来应用的具体案例，分别是农机调度与精准田间管理。
图 2 SUNets架构下农业区域融合框架

Fig.2 Agricultural regional networks convergence framework under SUNets architecture

2.1 面向SUNets的农机调度

在农机调度领域，SUNets架构可以结合多种技术，实现大规模农业区域数据的共享，从而使得农机调度可以更加智能化和高效化[24-25]。同时，SUNets架构下的农机调度系统可以支持农机跨区域的协同作业。通过异构网络系统的连接，不同区域的农机可以实现互联互通，协同完成大规模农业作业任务。例如当某一区域的农机资源不足时，系统可以调度资源冗余区域的农机，实现资源的优化配置。
具体来说，通过SUNets架构，网络系统确保各区域的农业数据能够高效、稳定地传输和共享。这些区域中的气象数据和农田状态信息可以通过卫星和无人设备的传输模块，实时上传至云服务平台，并被集成和处理。云服务平台通过整合来自不同区域的数据，形成全面的农田、农机数据资源库。在云服务平台通过大数据分析和人工智能等技术，生成精确的农机调度模型，其可用于预测未来一段时间内各区域的农机需求，提前调度农机资源到相应的区域进行准备，并利用调度算法，实现农机资源的最优配置[26]。与此同时，SUNets架构使得农机调度系统具备高效的应急响应能力。当某一区域出现突发情况，如农机故障、自然灾害等，系统可以提前规划其他资源冗余地区的农机跨区域作业，提升资源利用率。在自然灾害发生时，通常伴随着大范围的基础通信设施破坏，传统地面通信网络可能无法正常工作。这时，SUNets通过卫星网络，能够在地面通信中断的情况下继续提供稳定的通信支持，确保调度中心与各地农机之间的通信不中断，及时调整农机的调度计划，保证农业生产的连续性。通过分析农机的使用数据和农田的需求，可以合理安排各区域的农机调度路径以及与相关待作业田块的匹配，提高调度效率和设备的利用率[27]。总之，SUNets架构通过实现各区域数据的互联和网络的互通，使得农机跨区域调度更加高效和精准，提升了资源利用率和农业生产的整体效率。

2.2 面向SUNets的精准田间管理

SUNets可以通过实时数据收集和分析，帮助农民和农场管理者在田间作业中做出更精确、更有效的决策，从而优化农业生产过程。
在SUNets架构下，通过卫星互联网，农民可以在广阔的农田中安装各种传感器和无人设备，实时监测土壤湿度、温度、养分含量以及作物生长状况等关键参数。这些数据通过卫星通信模块，可以实时直接上传至相关数据平台。在田间作业中，农民可以利用这些实时数据和报告进行精细化管理[28]。例如，在灌溉作业中，农民可以根据土壤湿度和温度数据，精准控制灌溉设备的开启和关闭，避免过度或不足灌溉，提高水资源利用效率。同样，通过无人机拍摄的图像，可以识别作物的健康状况和病虫害问题，进行有针对性的喷药作业，减少农药使用量，提高作物健康度。
此外，SUNets架构下，卫星互联网可以提供广域覆盖和稳定的连接， 精准田间管理不仅限于单一区域，还可以实现跨区域的协同管理。尤其是在偏远和交通不便的地区，传统的地面网络覆盖有限，通信信号不稳定，而卫星互联网则可以提供稳定的通信保障，使得这些地区的农田数据也能够及时上传和分析[29]。因此，不同区域的农田数据通过网络系统共享，云端平台可以综合分析各区域的情况，制定区域间的协同管理方案。例如，某一区域出现旱情时，可以调度邻近区域的水资源进行支援；某一区域发生病虫害时，可以共享防治经验和资源，实现资源的最优配置。

3 面向SUNets未来农业的安全挑战

在SUNets架构下，未来农业的安全问题尤为重要。随着SUNets在农业领域的广泛应用，如何保障协同安全、数据安全和通信安全成为关键挑战。表2总结了协同安全、数据安全和通信安全3个方面的主要安全挑战及其相关指标。
表 2 安全挑战与相关指标

Table 2 Security challenges and related indicators

安全挑战 安全指标
协同安全 系统一致性 无人设备与地面传感器、卫星之间的数据同步
信任管理 农业设备间的信任传递
数据安全 设备的物理破坏 农业数据加密和安全存储技术
隐私保护 农户身份、农业数据的匿名化和加密
远程、分散的数据收集 加密算法强度、加密数据完整性
认证与访问控制 农业设备的认证成功率、未授权访问阻止率
通信安全 卫星通信网络安全 数据传输的安全性和抗攻击能力
“云—网—端”通信安全 通信链路的攻击检测和防御成功率
动态网络环境安全 农用设备移动引起的通信链路稳定性和响应时间

3.1 “云—网—端”协同安全

在“云—网—端”协同安全架构中，终端协同安全是其基本构成部分。在这种情况下，终端系统收集数据并与其他终端建立可信连接。多个终端通过这些可信连接共享数据并执行协作任务。此外，端—云协同安全是“云—网—端”协同安全架构在单一云服务模式下的具体应用。在这种情况下，终端系统首先收集数据，然后与云服务器建立可信连接[16]。
其中，在终端设备、网络和云平台之间进行协同操作时，确保所有系统在数据处理和决策方面的一致性是一个挑战。各个终端设备和云服务可能存在不同的计算能力和处理速度，这可能导致数据不一致或处理延迟。同时，在多终端设备和云服务之间进行协同操作时，如何建立和维护信任关系也是一个挑战。终端设备和云服务之间必须进行双向信任认证，以确保只有可信的设备和服务才能参与数据共享和处理。
农业环境下的农田分布广阔、生产模式多样化等特性使得难以集中式管理和高效利用资源。此外，由于不同地区的土壤、气候条件存在差异，农作物的种植模式和管理需求各不相同，进一步增加了农业生产的复杂性。在这种情况下，传统的集中式管理系统难以有效应对各个农田的具体需求，特别是在身份验证和数据传递方面，难以形成一个统一且可靠的信任体系[30]。这一缺陷导致“云—网—端”之间的身份认证和授权过程变得复杂且不可靠。农业设备如无人机、传感器和自动化农机在与云平台和卫星通信网络进行数据交互时，容易受到攻击者的冒充，导致敏感数据被窃取或设备被控制。攻击者可以冒充合法设备接入系统，从而获取对设备的控制权，影响农业操作的精准性和安全性。

3.2 广域连接下的数据安全

SUNets通过整合卫星通信、无人设备与地面传感网络，实现了大规模、多区域的农业生产的广域连接。然而，随着数据在网络中的流动变得更加频繁和透明，数据安全问题也随之凸显。
首先，在农业场景下，生产环境中的设备，如农用无人机、无人车和其他智能设备，通常暴露在室外和复杂的自然环境中，容易受到物理破坏或盗窃。这些设备在农田中执行任务时，可能成为盗窃和破坏的目标，尤其是在无人值守的情况下。设备损坏或丢失不仅会带来直接的经济损失，还可能导致敏感数据的泄露。对此，需要部署物理安全措施，如防盗装置和监控系统， 并通过数据加密和安全存储技术，如基于物理不可克隆功能（Physical Unclonable Fuctions，PUF）的安全技术[31]保护设备中的数据。其次，农业系统的分布式特性也要求使用远程监控系统收集状态信息。远程监控系统使用传感和自动化技术来监管基于物联网的农业领域。远程监测系统传输与土壤状况、作物、所用化学品对作物的影响、产量、产量质量和产量时间相关的数据。这些数据影响利益相关者获得的收益的价格。然而，远程监控系统非常容易受到未经授权方的多次网络攻击，从而导致机密性、完整性和数据可用性丧失[32]。
此外，SUNets中的数据传输是同时支持单向传输与双向传输的。在单向传输中，数据通常是从一个节点传输到另一个节点，风险相对集中。而在双向传输中，数据不仅需要上传至云服务器或卫星，还需要从服务器或卫星返回至传感器或无人设备。这种双向流动增加了数据传输的复杂性和潜在风险，因为每个传输环节都可能成为攻击的目标，增加了数据被拦截和篡改的概率。在SUNets架构下，由于卫星互联网的介入，空间链路的开放性使卫星网络面临被动或主动攻击的威胁[33]，攻击者可以通过入侵卫星通信链路来截获或篡改农业数据。Taji等[34]提出，攻击者可能通过中间人攻击或网络嗅探，获取或篡改关键的农业数据，如作物生长状况和施肥记录。这些数据被篡改可能导致对作物健康状况的误判，从而错误地使用农药和肥料，最终引发食品安全问题。例如，Agroknow公司调查的案例[35]表明，数据被篡改导致农药过量使用，结果农产品中出现了超标的化学残留。因此，确保农业数据的安全性和完整性不仅是保护农业生产的重要措施，更是保障食品安全的关键步骤。
同时，随着农用设备、传感器和无人机等智能设备的大量应用，农业生产中产生的各类数据，包括土壤信息、作物生长状态、生产计划和市场预测等，逐渐成为农户和农业企业的重要资产。然而，这些数据一旦泄露，可能会导致农场主的隐私被侵犯，甚至引发经济损失和市场竞争中的不公平优势。在分布式农业系统中，数据隐私保护面临着特殊挑战。由于农业数据的收集和处理通常分散在多个节点上，传统的集中式隐私保护措施难以适应这种分布式架构。此外，随着卫星互联网的广域覆盖在农业中的应用，农业数据的隐私威胁进一步加剧。卫星互联网的开放性和广泛的覆盖范围，导致其更容易受到来自全球范围内的网络攻击和数据窃取行为。
最后，无人设备、卫星和地面传感器之间的通信需要严格的认证和访问控制，以防止未经授权的访问和数据篡改。在SUNets系统中，大量设备的互联互通带来了身份认证和访问控制的挑战。虽然现有方案在一定程度上解决了密钥管理和物理攻击问题，但其在大规模应用中的性能和可扩展性仍需进一步研究和验证[36]。因此，需要开发适应未来农业架构特性的认证和访问控制机制，确保农业数据的安全性和可靠性。卫星网络的动态拓扑结构要求安全高效通信机制，以便在卫星经过时为覆盖区域内的用户提供服务。而农业设备有限的计算能力和存储空间增加了设计安全通信算法的挑战，使得传统的重型加密算法难以适用[37]。

3.3 多层传输路径下的通信安全

农业SUNets架构的多层次通信也为网络带来了诸多安全挑战。首先，卫星通信网络的安全性相对较弱。卫星间网络的互联性使得数据在传输过程中容易受到各种网络威胁和恶意攻击。例如，卫星通信链路可能被劫持，攻击者可以插入恶意节点，或者利用网络漏洞对通信进行干扰和窃听。由于卫星在高空运行，任何物理上的安全防护措施都难以实施，这使得卫星通信链路较为容易成为攻击目标。在农业SUNets中，农业设备通常具有有限的计算能力和电池寿命，这限制了它们运行复杂加密算法和其他安全措施的能力，增加了被攻击的风险。此外，这些设备分布范围广泛，从遥远的农田到山区，地理分布使得集中管理和安全监控变得困难，必须依赖无线通信，进一步增加了被拦截和攻击的风险。同时，农业生产通常具有较低的利润率，对设备和技术的投资有限[38]，这意味着安全方案不仅要高效，还要经济可行。在这种情况下，需要确保农业SUNets中各类设备间通信的完整性和可靠性。
其次，卫星与地面站之间的通信也面临着安全挑战。农业SUNets中的卫星与地面站之间的通信链路容易受到各种形式的网络攻击，包括中间人攻击和拒绝服务攻击。攻击者可以通过干扰卫星与地面站的通信链路，获取或篡改敏感数据，甚至导致通信中断。这不仅会影响农业数据的传输和处理，还可能对农业生产决策产生重大影响。尽管现有的安全方案，如在一定程度上增强了通信安全，但在农业SUNets架构下，其实际效果可能会受到限制。这是因为农业环境中的设备通常具有较低的计算和电力资源，难以支持复杂的安全协议。此外，农业场景中的地理分布广泛且环境条件复杂，增加了实施和维护这些安全方案的难度。
在农业SUNets架构下，无人设备，如无人机和自动化农机，需要频繁地在不同田间地块之间移动，并且未来的无人农机需要跨区域作业。这种动态移动不仅改变设备之间的通信链路，还会遇到不同区域的地形和环境变化，如不同种类的作物、不同的土壤条件和气候变化等[39]。同时，卫星在轨道上的持续移动也导致网络拓扑结构不断变化，这种动态性增加了网络的复杂性，需要确保在各种环境下都能可靠地传输数据。农业场景下的具体问题包括设备移动引起的通信链路频繁变化、卫星移动带来的通信路径调整、复杂地形和环境对无线通信的影响，以及确保通信实时性和可靠性的挑战。

4 结束语

通过整合卫星通信、无人设备与地面支持网络，SUNets在实现农业生产广域连接方面展示了巨大的潜力。本文系统概述了面向SUNets的未来“云—网—端”农业架构，并探讨了在SUNets广域覆盖下，各区域数据互联、网络融合的未来农业的具体应用案例。此外，其广阔的覆盖范围和复杂的多层次通信结构也带来了显著的安全挑战，包括协同安全、数据安全，以及通信安全，因此面向未来农业的SUNets架构与应用的具体安全方案和措施仍需进一步深入研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
LIAO S K, CAI W Q, LIU W Y, et al. Satellite-to-ground quantum key distribution[J]. Nature, 2017, 549, 43- 47.

DOI

2
WEI T, FENG W, CHEN Y F, et al. Hybrid satellite-terrestrial communication networks for the maritime Internet of Things: Key technologies, opportunities, and challenges[J]. IEEE Internet of Things Journal, 2021, 8 (11): 8910- 8934.

DOI

3
张更新, 王运峰, 丁晓进, 等. 卫星互联网若干关键技术研究[J]. 通信学报, 2021, 42 (8): 1- 14.

ZHANG G X, WANG Y F, DING X J, et al. Research on Several key technologies of satellite internet[J]. Journal on Communications, 2021, 42 (8): 1- 14.

4
ONOJEGHUO A O, BLACKBURN G A, HUANG J F, et al. Applications of satellite ‘hyper-sensing’in Chinese agriculture: Challenges and opportunities[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 64, 62- 86.

DOI

5
AL-HRAISHAWI H, CHOUGRANI H, KISSELEFF S, et al. A survey on nongeostationary satellite systems: The communication perspective[J]. IEEE Communications Surveys & Tutorials, 2022, 25 (1): 101- 132.

6
BENAMI E, JIN Z N, CARTER M R, et al. Uniting remote sensing, crop modelling and economics for agricultural risk management[J]. Nature Reviews Earth & Environment, 2021, 2 (2): 140- 159.

7
ZHANG C Y, MARZOUGUI A, SANKARAN S. High-resolution satellite imagery applications in crop phenotyping: An overview[J]. Computers and Electronics in Agriculture, 2020, 175, 105584.

DOI

8
HAZMY A I, HAWBANI A, WANG X F, et al. Potential of satellite-airborne sensing technologies for agriculture 4.0 and climate-resilient: A review[J]. IEEE Sensors Journal, 2023, 24 (4): 4161- 4180.

9
TAO W, ZHAO L, WANG G W, et al. Review of the internet of things communication technologies in smart agriculture and challenges[J]. Computers and Electronics in Agriculture, 2021, 189, 106352.

DOI

10
QI G H, CHANG C Y, YANG W, et al. Soil salinity inversion in coastal cotton growing areas: An integration method using satellite‐ground spectral fusion and satellite‐UAV collaboration[J]. Land Degradation & Development, 2022, 33 (13): 2289- 2302.

11
KODHELI O, LAGUNAS E, MATURO N, et al. Satellite communications in the new space era: A survey and future challenges[J]. IEEE Communications Surveys & Tutorials, 2020, 23 (1): 70- 109.

12
INOUE Y. Satellite-and drone-based remote sensing of crops and soils for smart farming–a review[J]. Soil Science and Plant Nutrition, 2020, 66 (6): 798- 810.

DOI

13
ZHAO Q, YU L, DU Z R, et al. An overview of the applications of earth observation satellite data: impacts and future trends[J]. Remote Sensing, 2022, 14 (8): 1863.

DOI

14
SANTHOSH J, BALAMURUGAN P, ARULKUMARAN G, et al. Image driven multi feature plant management with FDE based smart agriculture with improved security in wireless sensor networks[J]. Wireless Personal Communications, 2022, 127, 1- 17.

15
YUE P Y, AN J P, ZHANG J K, et al. Low earth orbit satellite security and reliability: Issues, solutions, and the road ahead[J]. IEEE Communications Surveys & Tutorials, 2023, 25 (3): 1604- 1652.

16
WANG X Y,MA J F. Cloud-network-end collaborative security for wireless networks:Architecture,mechanisms and applications[J]. Tsinghua Science and Technology,2024.

17
RADHAKRISHNAN R, EDMONSON W W, AFGHAH F, et al. Survey of inter-satellite communication for small satellite systems: Physical layer to network layer view[J]. IEEE Communications Surveys & Tutorials, 2016, 18 (4): 2442- 2473.

18
NAWANDAR N K,SATPUTE V R. IoT based low cost and intelligent module for smart irrigation system[J]. Computers and electronics in agriculture,2019,162:979-990.

19
VALLENTIN C, HARFENMEISTER K, ITZEROTT S, et al. Suitability of satellite remote sensing data for yield estimation in northeast Germany[J]. Precision Agriculture, 2022, 23 (1): 52- 82.

DOI

20
JUNIOR F M R, BIANCHI R A, PRATI R C, et al. Data reduction based on machine learning algorithms for fog computing in IoT smart agriculture[J]. Biosystems Engineering, 2022, 23, 142- 158.

21
CICIOĞLU M, ÇALHAN A. Smart agriculture with internet of things in cornfields[J]. Computers & Electrical Engineering, 2021, 90, 106982.

22
RAJAK P, GANGULY A, ADHIKARY S, et al. Internet of Things and smart sensors in agriculture: Scopes and challenges[J]. Journal of Agriculture and Food Research, 2023, 14, 100776.

DOI

23
KING M D, PLATNICK S, MENZEL W P, et al. Spatial and temporal distribution of clouds observed by MODIS onboard the Terra and Aqua satellites[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51 (7): 3826- 3852.

DOI

24
杨昊天, 王良民, 刘路, 等. 基于区块链的农机跨区域调度模型构建与应用[J]. 农业工程学报, 2022, 38 (11): 31- 40.

YANG H T, WANG L M, LIU L, et al. Model constructions and application of agriculture machinery cross-region scheduling based on blockchain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38 (11): 31- 40.

25
VEYSI S, NASERI A A, HAMZEH S, et al. A satellite based crop water stress index for irrigation scheduling in sugarcane fields[J]. Agricultural Water Management, 2017, 189, 70- 86.

DOI

26
ANDRÉ G, BACHELET B, BATTISTONI P, et al. LambdAgrIoT: a new architecture for agricultural autonomous robots’ scheduling: from design to experiments[J]. Cluster Computing, 2023, 26 (5): 2993- 3015.

DOI

27
HU B, YANG X C, ZHAO M G. Energy-minimized scheduling of intermittent teal-time tasks in a CPU-GPU cloud computing platform[J]. IEEE Transactions on Parallel and Distributed Systems, 2023, 34 (8): 2391- 2402.

DOI

28
LANUCARA S, PRATICÒ S, PIOGGIA G, et al. Web-based spatial decision support system for precision agriculture: A tool for delineating dynamic management unit zones （MUZs）[J]. Smart Agricultural Technology, 2024, 8, 100444.

DOI

29
JIN R, LI X, LIU S M. Understanding the heterogeneity of soil moisture and evapotranspiration using multiscale observations from satellites, airborne sensors, and a ground-based observation matrix[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14 (11): 2132- 2136.

DOI

30
YANG H T, ZHANG X Y, WU Z H, et al. Co-Sharding: A sharding scheme for large-scale internet of things application[J]. Distributed Ledger Technologies: Research and Practice, 2024, 3 (1): 1- 16.

31
AL-MEER A, AL-KUWARI S. Physical unclonable functions （PUF） for IoT devices[J]. ACM Computing Surveys, 2023, 55 (14s): 1- 31.

32
VANGALA A, DAS A K, MITRA A, et al. Blockchain-Enabled authenticated key agreement scheme for mobile vehicles-assisted precision agricultural IoT networks[J]. IEEE Transactions on Information Forensics and Security, 2022, 18, 904- 919.

33
YAN Y J,HAN G J,XU H H. A survey on secure routing protocols for satellite network[J],Journal of Network and Computer Applications,2019,145:102415.

34
TAJI K,GHANIMI I,GHANIMI F. IoT in agriculture:Security challenges and solutions[C]//Proceedings of International Conference on Artificial Intelligence and Smart Environment,Errachidia,Morocco,2024:105-111.

35
AGROKNOW. A review of systems and tools for remote food safety risk assessment [EB/OL]. (2020-05-27)[2024-08-08]. https://agroknow.com/tech-tools-review/a-review-of-systems-and-tools-for-remote-food-safety-risk-assessment/.

36
WANG B Y, CHANG Z, LI S C, et al. An efficient and privacy-preserving blockchain-based authentication scheme for low earth orbit satellite-assisted internet of things[J]. IEEE Transactions on Aerospace and Electronic Systems, 2022, 58 (6): 5153- 5164.

DOI

37
REN X P, CAO J, MA R H, et al. A novel access and handover authentication scheme in UAV-aided satellite-terrestrial integration networks enabling 5G[J]. IEEE Transactions on Network and Service Management, 2023, 20 (3): 2023.

38
AN K, LIN M, OUYANG J, et al. Secure transmission in cognitive satellite terrestrial networks[J]. IEEE Journal on Selected Areas in Communications, 2016, 34 (11): 3025- 3037.

DOI

39
POLO J, HORNERO G, DUIJNEVELD C, et al. Design of a low-cost Wireless Sensor Network with UAV mobile node for agricultural applications[J]. Computers and Electronics in Agriculture, 2015, 119, 19- 32.

DOI

Options
Outlines

/

〈 〉

Website Copyright © Editorial Office of Journal of Cybersecurity.
Tel: 010-89061756/89061778　
E-mail：wlkjaqkxxb@caasse.cn
Powered by Beijing Magtech Co. Ltd,.

京ICP备16032046号-20