信息安全是无线传感器网络走向大规模实用化亟需解决的关键问题，入侵检测作为一种积极主动的防御技术，可以有效预防和发现网络入侵行为，保护网络的信息安全。　　 本文基于对无线传感器网络的技术特点、安全现状、各种常见的攻击类型以及防御技术存在不足的分析，提出并设计了基于成簇的无线传感器网络入侵检测模型，重点完成了入侵检测规则库的建立和引擎分类器的设计，并利用BP神经网络算法的自组织学习能力作为入侵检测的算法基础。无线传感器网络要求入侵检测系统有较快的响应时间，本文对BP网络的各种训练算法进行了详细的实验比较，得出了最适合的训练算法。详细阐述了提出的基于簇头节点的入侵检测模型，介绍了该模型中各模块的功能和数据流流向。结合BP算法不断更新入侵检测规则库，解决了传统的静态规则库存在的问题。此外，本文还很好地将传统入侵检测数据集KDDCUP’99应用到了无线传感器网络的入侵检测中，解决了以往无线传感器网络由于受入侵实时数据的限制而只能模拟单一攻击模式的困难，使入侵检测的实验数据更有说服力。仿真实验结果表明：本文设计的入侵检测模型有较高的检测率和较低的漏检率。