随着物联网技术的飞速发展,物与物、人与人、人与物皆可相连,相连所产生的各种信息的价值越来越高,这些信息吸引了越来越多的恶意攻击者,给网络的安全带来了严重威胁。而作为这些信息的直接获得源头,面向物联网感知层的传感网也不例外,与其他网络不同,传感网的节点能量以及计算能力有限,因此适用于互联网的安全技术无法很好的应用在传感网中,为此需要研究适用于传感网的相关安全技术。目前,针对传感网相关安全技术国内外的很多学者都有所研究,本文对无线传感网络中信任安全相关技术进行研究,所做工作和创新点如下所示:首先,提出异常检测中基于混合式聚类的离群点挖掘算法,将改进后的离群点挖掘技术应用于异常检测中,借助新型的聚类算法找出簇中心,去除小簇型攻击样本,通过重复增加样本并计算节点异常度,从而判断出节点的异常性。其次,提出恶意节点识别DPAM-MD算法,在传统信任阈值判断模型的基础上,通过直接信任值与间接信任值来衡量一个节点的可信度,每隔固定时间求解一次,组成节点的信任值时间序列,改进聚类算法,结合簇内和簇间距离均衡化的目标函数,将节点的信任值序列进行分类,将隐蔽性高,接近基准序列的这一类节点分离出来。仿真实验表明,该方法可以提高聚类质量,有效缩短聚类时间,能够有效识别传感网内的恶意节点,能够对传统的信任阈值模型进行补充。最后,提出基于信誉值的多属性信息素蚁群安全路由算法,传统的蚁群优化算法存在局部收敛,没有考虑节点剩余能量等诸多问题。该算法将节点信任值,剩余能量,通信时延作为信息素,综合考虑节点各方面属性并带入蚁群优化算法的随机比例公式中进行计算,选出最优的数据传输路径。其次,节点信任值由直接和间接信任值组成,其中间接信任值是通过过滤重合率较高的部分节点,改进节点通信行为的更新方式,降低网络能耗,增加节点信任值的可靠性。