随着车联网技术的应用及推广，车联网的安全问题已成为近年来的一个研究热点。而信任机制是解决车联网网络安全问题的一种有效途径，信任模型作为信任机制的核心，通过有效地度量和评估感知信息，能够反映车联网环境的动态性和不稳定性。同时，信任模型在处理信任关系和计算信誉度方面具有相当的灵活性，能够较好地适应复杂多变的车联网环境。车联网的首要目标是保证用于采集交通信息的传感器节点能够准确、及时提供感知数据；其次，车联网需要采用数据融合技术处理海量数据以提高系统的运行效率。因此，为了保障数据融合结果的真实性与可靠性，本文就车联网数据融合过程中节点数据被伪造或篡改等安全问题进行研究。首先，深入研究了Beth和Josang两种典型的信任模型，在分析两种模型优缺点的基础上，结合车联网的自身特性，对车联网中的直接信任关系和推荐信任关系进行了描述和度量，提出了一种新的基于节点信誉度评价的安全数据融合模型。其次，采用统计方法与KL距离理论对节点信誉度进行了综合评估，考虑信任的时衰性，在引入时间衰减因子的前提下，给出了信誉度的计算公式和信任关系表的构造方法。针对信任关系的实时变化，提出了信誉度的更新算法。最后，根据节点的信誉度，对节点进行分组融合，并就融合结果进行评估。该模型在数据融合过程中将信誉度较高的节点保留，将信誉度较低的节点摒弃，从而避免恶意节点影响融合结果。仿真结果表明，该模型切实可行，能够精确地评估节点的信誉度，有效地识别恶意节点和恶意推荐行为，从而提高了数据融合结果的准确性和可靠性。