Integrated Cybersecurity Risk Assessment and Threat Modelling Framework (ISACRATF) for Smart Agriculture in South Africa and Sub-Saharan Africa

方法

设计科学研究法，结合STRIDE-LM威胁建模与情境调整风险引擎CARE，并做南

发现

情境因素会重排风险优先级而非统一放大，如拒绝服务升至关键级、欺骗升至高级。

机会点

可将CARE的情境加权因子本地化校准并开展专家与田间实证验证，拓展到其他发展中地区。

智慧农业物联网（IoT）系统在南非及撒哈拉以南非洲的部署速度超过了其安全保障的建设速度，而现有安全方法将威胁识别与风险量化相分离，并假定具备高收入环境下的可靠电力、网络连接和专业能力。本研究遵循设计科学研究方法（Design Science Research Methodology），推导出八项设计需求，并构建了ISACRATF——一个集成的六阶段框架，将STRIDE-LM威胁建模与情境调整风险引擎（Context-Adjusted Risk Engine, CARE）相耦合。CARE通过一个由五项区域条件构成的有界、权重透明的因子对传统可能性—影响评分进行放大，这五项条件为：连接脆弱性、电力不稳定性、技能匮乏、供应链与设备异构性以及社会经济关键性。随后，将优先威胁映射到按资源密集度分级的控制措施。在一个假定的南非混合农场案例上的演示表明，情境因素会重新排列风险优先级，而非统一放大风险：拒绝服务威胁从三方并列升至关键等级，欺骗威胁从中等升至高等。由于CARE并排报告基础评分与调整后评分，情境的影响是明确且可审计的。该框架的专家评估与实地评估留待未来研究。