近年来,水下无线传感器网络受到越来越多研究人员的关注,因其在国防军事及海洋资源环境监测上展现出巨大的应用价值。然而,由于网络的部署水下部署环境具有开放性和无人值守性,使得传感器节点容易遭受各种各样的攻击。虽然传统的安全技术可以有效应对外部攻击的威胁,但不能应对内部攻击的威胁。信任模型已用于许多应用场景下的恶意节点检测中。然而,复杂、动态和恶劣的部署环境使得现有的信任模型在水下传感器网络的恶意节点检测中表现不佳。此外,信任模型还会受到一些以削弱其有效性为目的的攻击的威胁。基于上述问题,本文旨在基于信任模型框架研究适合水下传感器网络的恶意节点检测方案,以提高网络应对水下环境和内部攻击的能力。具体的研究内容如下:（1）提出了水下传感器网络恶意普通节点检测方案（RMIS）。首先,基于节点模型、信道模型和碰撞模型,建立节点间交互成功的概率模型。进而,结合此模型,生成高有效性的通信信任证据。其次,根据某些攻击的流量特征,分析网络的流量变化并生成可靠的流量证据,有效反映多种恶意攻击。再次,采用k-means++为信任证据打标签,采用支持向量机来训练评估模型。最后,提出了两种分别基于事件和时间的信任更新机制,以应对动态水下环境和开关攻击。仿真结果表明,与其他三种检测方案相比,该方案的性能最佳。尤其是恶意节点比例越大,该方案的性能越突出。此外,信任更新机制可以有效地限制开关攻击,并提高了该方案的鲁棒性。（2）提出了水下传感器网络恶意簇头检测及重选方案。此方案是基于RMIS设计提出的,其设计目的是针对簇头的恶意检测及簇头重选。首先,采用双簇头机制监督簇头的行为,同时增加簇的安全性。其次,通过投票机制,初步判断簇头是否可疑。再次,选择推荐节点,为簇头生成综合的信任值,并最终判断簇头的恶意性。为了能及时更换恶意簇头节点,本方案通过综合评估节点的信任值和能量值来选择新的簇头。从仿真结果来看,此方案的恶意簇头查全率更高,并且在延长网络生命周期和均衡网络能耗上表现良好。