由于无线传感器网络的应用在非常广泛的领域当中,工作环境通常不稳定,存在众多不可靠因素,所以无线传感器网络的安全问题越来越被研究者们所重视。数据加密和身份认证等传统安全技术的应用提高了无线传感器网络的安全性,但仍然无法及时有效地发现恶意网络对无线传感器网络的破坏行为。如何检测出对无线传感器网络造成威胁的恶意入侵行为是无线传感器网络安全中重要问题之一。为了解决无线传感器网络入侵检测问题,基于机器学习的安全机制成为了研究的重点。但是,目前的入侵检测方法中,基于有监督学习方法过于依赖先验知识的训练,无法适应动态变化的无线传感器网络,而基于无监督学习的入侵检测技术还未能研究出合适的检测方法来有效地区分入侵行为与正常行为。本文针对Zigbee无线传感器网络的应用层的感知数据篡改入侵、网络层的RREQ泛洪入侵、链路层的碰撞入侵和物理层的信道干扰入侵的特点,提出了一种基于相似度计算的无线传感器网络入侵检测算法,通过马氏距离来计算可疑行为和网络实时行为之间的相似程度,并采用线性拟合算法对可疑行为进行趋势评估来检测异常入侵行为。同时,设计并实现了无线传感器网络入侵检测系统,完成了系统的功能模块和接口的设计,并通过Java实现了 UI界面和入侵检测算法。此外,搭建了真实的Zigbee网络入侵环境,通过感知数据篡改入侵、RREQ泛洪入侵、碰撞入侵和信道干扰入侵对无线传感器网络入侵检测系统进行了测试和测试结果验证,证明了该算法和系统的有效性。