Palabras clave
Internet de las Cosas
agricultura inteligente
Manabí
evaluación de riesgos
IoT agrícola
Categorías
Cómo citar
Resumen
En los últimos años, los agricultores de Manabí han empezado a incorporar dispositivos IoT en sus cultivos de cacao, maíz y banano, una apuesta tecnológica que abre puertas reales para producir mejor y con más eficiencia. Pero esta transición también trae consigo un riesgo que muchas veces pasa desapercibido: la exposición a amenazas cibernéticas capaces de alterar datos de cultivo, interrumpir el riego automatizado o detener la producción en el peor momento. Este artículo nace precisamente de esa preocupación. Buscamos entender cuáles son los principales peligros de ciberseguridad en estos sistemas, qué tipos de ataques son más frecuentes en este contexto y cómo marcos internacionales como el NIST Cybersecurity Framework 2.0, la ISO/IEC 27001 y el IEC 62443 pueden orientar soluciones concretas para la realidad del campo manabita. Lo que encontramos no es menor: los ataques Man-in-the-Middle, los DDoS y la manipulación de firmware son las amenazas más serias en zonas tropicales donde la conectividad suele ser limitada e irregular. Y la conclusión apunta a algo que está al alcance de cualquier productor organizado: cifrar los datos, separar las redes y, sobre todo, formar a las personas que operan estos sistemas cada día.
Referencias
Adewusi, A. O., Chiekezie, N. R., & Eyo-Udo, N. L. (2022). Securing smart agriculture: Cybersecurity challenges and solutions in IoT-driven farms. World Journal of Advanced Research and Reviews, 15(3), 480–489. https://doi.org/10.30574/wjarr.2022.15.3.0887
Alharbi, A., Alsubhi, K., & Alsolami, F. (2023). Prediction of DDoS attacks in agriculture 4.0 with the help of prairie dog optimization algorithm with IDSNet. PLOS ONE, 18(9), e0291063. https://doi.org/10.1371/journal.pone.0291063
Berghout, T., Benbouzid, M., & Muyeen, S. M. (2024). Cybersecurity in smart agriculture: A systematic literature review. Computers & Security, 150, 104284. https://doi.org/10.1016/j.cose.2024.104284
Drape, T., Magerkorth, N., Sen, A., Simpson, J., Seibel, M., Murch, R. S., & Duncan, S. E. (2021). Assessing the role of cyberbiosecurity in agriculture: A case study. Frontiers in Bioengineering and Biotechnology, 9, 737927. https://doi.org/10.3389/fbioe.2021.737927
Gallegos Zurita, D. E., Rodriguez Castillo, K. B., & Ortiz Mosquera, N. S. (2023). Digitalización en el riego 4.0 y la captación de variables climáticas con dispositivos IoT, para optimizar la producción de maíz en un sector de Manabí. RECIAMUC, 7(2), 219–228. https://doi.org/10.26820/reciamuc/7.(2).abril.2023.219-228
Gloria, A., Cardoso, J., & Sebastião, P. (2021). Sustainable irrigation system for farming supported by machine learning and real-time sensor data. Sensors, 21(9), 3079. https://doi.org/10.3390/s21093079
Hamdan, S., Ayyash, M., & Almajali, S. (2023). Comprehensive study of IoT vulnerabilities and countermeasures. Applied Sciences, 15(6), 3036. https://doi.org/10.3390/app15063036
Kavallieratos, G., Katsikas, S., & Gkioulos, V. (2022). Cyber-security threats and side-channel attacks for digital agriculture. Sensors, 22(9), 3520. https://doi.org/10.3390/s22093520
Moh’d Alia, O., Al-Ajmi, M., Al-Dmour, N., & Alqahtani, A. (2023). A secure IoT-based irrigation system for precision agriculture using the expeditious cipher. Sensors, 23(4), 2091. https://doi.org/10.3390/s23042091
National Institute of Standards and Technology. (2024). NIST Cybersecurity Framework 2.0: Resource & overview guide (NIST SP 1299). U.S. Department of Commerce. https://doi.org/10.6028/NIST.SP.1299
Neethirajan, S. (2025). Safeguarding digital livestock farming: A comprehensive cybersecurity roadmap for dairy and poultry industries. Frontiers in Big Data, 8, 1556157. https://doi.org/10.3389/fdata.2025.1556157
Oikonomou, G., & Nikoloudakis, Y. (2023). DDoS attack detection in IoT-based networks using machine learning models: A survey and research directions. Electronics, 12(14), 3103. https://doi.org/10.3390/electronics12143103
Pham, M. T., Nguyen, T. H., & Le, V. T. (2025). A novel cyber threat intelligence platform for evaluating the risk associated with smart agriculture. Scientific Reports, 15, 3820. https://doi.org/10.1038/s41598-025-85320-8
Rizvi, S., Pipetti, R., McIntyre, N., Todd, J., & Williams, I. (2020). Survey on security threats in agricultural IoT and smart farming. Sensors, 20(22), 6568. https://doi.org/10.3390/s20226568
Zidi, K., Ben Abdellafou, K., Aljuhani, A., Taouali, O., & Harkat, M. F. (2024). Novel intrusion detection system based on a downsized kernel method for cybersecurity in smart agriculture. Engineering Applications of Artificial Intelligence, 133, 107996. https://doi.org/10.1016/j.engappai.2024.107996
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2026 ISTE SCIENTIST