近年来,水下传感器网络在海洋环境监测、海洋灾害预防、辅助航行、水下军事监控等领域的广泛应用,已引起了世界各国研究学者的关注。由于其在各个领域占据着重要的地位,所以安全问题就显得尤为重要。目前,传统的基于认证和加密的安全机制虽然可以有效防御外部攻击,但是却不能抵抗由自私节点和妥协节点发起的内部攻击。另一方面,应用于资源受限的水下传感器网络的安全机制需要考虑计算复杂度和安全强度的权衡。基于此,本文提出了适用于水下传感器网络的信任管理模型和隐私保护数据融合算法。本文主要研究内容如下:（1）针对传统信任管理模型同时考虑直接信任和间接信任而导致能耗过高,以及未考虑信任度随时间动态变化而导致的无法有效抵御策略性攻击行为的问题,提出了基于贝叶斯和熵理论的信任管理模型（TMBE）。该模型引入惩罚函数和调节函数,进行更加精确的直接信任值的评估,并计算直接信任值的置信度来决定是否进行间接信任值的计算,从而有效降低能耗。本文给出了一种基于滑动时间窗口的信任更新机制,避免了考虑节点所有历史行为而带来的计算开销过大的问题。并根据熵理论对不同节点赋予不同权重,从而降低恶意节点的恶意推荐对间接信任值的影响。同时引入能量信任,解决信任要素单一的问题。（2）针对SMART隐私保护算法中数据分片数量固定,从而造成通信开销大、融合精度低等问题,在经信任管理模型（TMBE）保证节点可信的基础上,提出了一种基于动态分片的隐私保护数据融合算法（DSPDA）。该算法中动态分片指的是各节点对原始数据的切片数是独立的随机事件,同时根据节点间的距离不同来确定不同的分片大小。通过对原始数据进行动态分割,有效减少节点之间的数据传输,从而降低了网络的通信开销,并提高了数据融合的准确率。在DSPDA算法中,即使攻击者捕获部分数据切片,也无法有效地恢复节点收集的原始数据,从而保证了节点数据的隐私性。仿真结果显示,与传统的信任管理模型对比,本文提出的模型在抵抗恶意攻击,能量消耗方面都有着明显的优势。对可信节点的数据隐私保护方面,与传统的数据融合隐私保护算法对比本文提出的算法在数据融合精确度、隐私保护性能等方面都有着更好的性能表现。