近年来,无线传感器网络(Wireless Sensor Network,简称WSN)在军事、环保、医疗等诸多领域的应用愈来愈广泛,并成为物联网感知层的核心组成部分。由于WSN的开放性特点,攻击者易于捕获节点,修改其程序并在WSN内部发起攻击,仅通过加密手段难于应对这种攻击形式。信任管理通过在WSN中建立信任机制,使得节点之间可以相互进行信任评价,形成基于节点信誉的监督机制,并制定相应的安全策略,从而保证在内部攻击出现时,WSN仍然可以安全、可靠、高效地完成原定的数据收集任务。本文针对WSN无中心、自组织、动态拓扑和单节点能力薄弱的特点,借鉴群居动物通过协作表现出宏观智能行为的现象,提出基于群体智能的信任管理策略,目标是通过多个脆弱节点的群体协作,实现智能化的信任管理,保证整个网络的安全性,提高网络对入侵的容忍能力,从而保障WSN安全、高效、可靠地完成数据收集任务。本文提出的方法能够克服传统信任管理模型难于兼顾入侵识别敏感度与入侵容忍的不足,克服常见的由于节点故障导致的数据异常,而且能够保证节点的数据传输均衡并实现误差的实时控制。本文主要工作和贡献如下：1.提出了一种智能化的信任评估与表示模型。基于不确定性人工智能原理,在云模型基础上设计了计算较简单,适用于WSN的轻量云模型,并使用此模型对直接信任、间接信任、推荐行为的信任进行全面的不确定性评估,从而实现节点间信任关系的智能化表示,克服传统信任管理模型中敏感度与容忍度之间的矛盾。实验结果表明,在WSN中使用该方法,既可以敏感识别多种入侵行为,又具备容忍多种入侵的能力。2.基于群体信任提出了一种实时的WSN异常数据过滤方法。通过定量数据与定性知识之间的不确定性转换,实现节点数据特征的提取；节点每次采集到数据,均与WSN中基本数据特征进行对比,以发现可疑数据；以节点数据的时空相关性为理论依据,通过比较相邻节点近期数据的相似程度,实现对可疑数据的群体信任评估,从而发现并过滤异常数据。仿真实验验证了此方法不但能够实时过滤异常数据,提升WSN的入侵容忍能力,还有较低的通信及计算开销。3.提出了一种群体内刻度无关的数据表示方法。在研究中,发现了数据群体中的数据预测具有如下规律：预测的绝对误差与数据群体分布的离散程度成正比。基于这一发现,从数学角度进行了深入的理论分析与证明,进而提出了一种群体内刻度无关的数据表示方法。基于此方法,提出了“相似向量”,“内部误差”等概念,并将两个概念分别运用于协同过滤、WSN数据收集领域,仿真实验证明了这种方法的有效性。4.提出了基于群体误差控制的WSN数据收集方法。WSN的特点通常要求数据收集方法满足如下条件：不同节点传输均衡,数据融合结果的误差可控,低开销、先验知识无关的算法。在内部误差有界性的基础上,提出了WSN数据收集中的群体误差控制模型,在该模型中,节点通过自适应的传输阈值实现单节点的误差控制以及不同节点数据传输均衡,节点群体的误差控制保证数据融合的误差可控。基于此模型,设计了误差实时可控,节点数据传输均衡的WSN数据收集方法。理论分析与仿真实验表明,该方法能够保证不同节点数据传输的均衡,在数据传输率相同的情况下,其求和查询及均值查询的平均绝对误差均远低于当前优秀的基于伯努利采样的数据融合方法。此方法计算开销较低,无需先验知识,在多种WSN场景中具有较强的可用性与适应性。