无线传感器网络(简称无线传感网)是由众多传感器节点以自组织方式构成的一个多跳无线网络系统。该网络系统的主要功能为感知采集系统覆盖区域内的环境信息,进行处理后传输反馈给管理员。由于该网络系统产生的数据量巨大且传感器节点具有有限的带宽、功率、计算能力等特点,因此特别容易受到恶劣环境的影响及恶意破坏者的攻击,导致传感器网络系统中恶意节点、突发事件以及异常数据的发生,此类故障将对传感器网络的系统服务产生巨大的影响。无线传感器网络安全所涉及的两个主要任务为针对异常节点及异常数据的检测,这两个方向既相互独立又相辅相成。为了解决以上两个问题,本文首先提出了一种基于双阈值的传感器网络恶意节点检测方案。每个传感器节点维护相邻节点的信任值以反映其在决策中过去的行为,两个阈值用于降低误报率并提高事件区域检测精度,从而在不牺牲正常节点的情况下实现对恶意节点更为准确的检测。仿真结果表明,具有双阈值的方案优于具有单个阈值的方案。在筛除去除传感器网络的恶意节点后,提出一种基于多层分布式无线传感器网络异常数据检测方法。该方案通过对节点数据进行分簇、合并、在网关节点进行基于KNN的异常簇检测,并将异常簇信息返回至底层节点进行局部检测。通过在人工数据集及真实环境收集的数据集上的仿真分析,表明了改进的异常检测方案与集中式方案、及参照方案相比能够实现高检测率、低误报率并且降低了通信消耗。然而,无线传感网中数据分布在时间和空间上均保持相关性,为了充分利用其时空相关性原理,最后提出一种新的异常数据检测方案。该方案包括两个主要阶段即自检和加权中值检测。在自检中,使用基于时间相关性的卡尔曼滤波器估计未来数据值。利用自检结果,基于空间相关性进一步实现加权中值检测。当测量数据偏离加权邻域数据向量的中值超过某个阈值时,即认为可能存在异常,仅在两个过程都判定有故障时才在本地丢弃。仿真结果表明,提出的算法在检测精度和误报率方面优于两种经典的分布式检测算法。