1、近年來，物聯(lián)網(wǎng)已經(jīng)在軍事偵察、智能電網(wǎng)等多個基礎(chǔ)領(lǐng)域得到廣泛應(yīng)用，而這些應(yīng)用中包含的海量數(shù)據(jù)與群體和個人的隱私及保密問題有關(guān)。但物聯(lián)網(wǎng)是一個開放的環(huán)境，定義安全邊界困難。此外，負(fù)責(zé)信息采集的感知節(jié)點能力脆弱，資源有限，并分布在無人監(jiān)管的環(huán)境中，容易遭受惡意攻擊。而傳統(tǒng)數(shù)據(jù)融合技術(shù)把過多關(guān)注數(shù)據(jù)融合的效率，忽略了節(jié)點行為的信任問題。其次，已有的加密認(rèn)證方法計算過程復(fù)雜，而且不能解決來自感知節(jié)點的內(nèi)部攻擊。因此，思考如何保障物聯(lián)網(wǎng)的感知信息

2、安全，特別是圍繞感知節(jié)點安全高效成簇機制及算法的研究成為物聯(lián)網(wǎng)進一步發(fā)展不可或缺的關(guān)鍵需求。
　　論文分析典型成簇算法的不足：簇頭節(jié)點的選擇沒有考慮節(jié)點的剩余能量，不能識別和抵御惡意攻擊。此外，所有感知節(jié)點周期性地執(zhí)行成簇的操作將會產(chǎn)生大量能耗。因此，論文給出一種基于信任的節(jié)點安全成簇(Trust-based Secure Clustering Protocol，TBSCP)方案。TBSCP以給出的信任評估方法為基礎(chǔ)，對冒充或偽裝

3、成正常節(jié)點參與數(shù)據(jù)融合的惡意節(jié)點進行識別與過濾，并在節(jié)點狀態(tài)發(fā)生變化的區(qū)域內(nèi)重新選擇簇頭。主要的工作有：（1）給出基于節(jié)點行為檢測的信任評估方法，該方法采用事件觸發(fā)與周期性檢測相結(jié)合的方式，可以實現(xiàn)節(jié)點行為的實時監(jiān)測，將信任值取整并加入懲罰機制，減少信任記錄并縮短發(fā)現(xiàn)惡意節(jié)點的時間；（2）在信任評估方法的基礎(chǔ)上，給出一種新的推薦信任合并規(guī)則，該規(guī)則根據(jù)證據(jù)距離不斷修正推薦信任值，可在不增加計算復(fù)雜的前提下，提高推薦信任合并結(jié)果的準(zhǔn)確性，