在无线传感器网络中，由于WSNs中节点具有大规模密集部署的特点，相近的节点收集到的数据一般具有很大的相似性，从而导致很大的信息冗余，所以Sink节点没有全部收集网络所有信息的必要。基于这个特点，相关数据收集即进行数据聚合处理便成了网络数据收集的主要手段，而数据聚合处理的结果又完全弥补了WSNs中节点的一些缺点；并且在网络的传输过程中，网络容易受到外界的攻击，攻击者通过在网络中布置恶意节点来破坏网络以及盗窃网络的数据信息，这对网络造成了很大的损害，所以必须检测出这些恶意节点并且消除掉它们的影响。本文就上述两类问题分别提出了解决方案：（1）针对相关数据收集问题进行了研究，综合考虑节点的跳数、剩余能量、聚合系数等因素，建立了一种分布的、基于度自适应调整的动态聚合树算法。根据聚合树中平均度以及节点自身的能量信息动态对建立的树形拓扑进行更新与维护，保证能量的均衡利用。（2）针对于网络安全问题提出了一种基于贝叶斯投票算法的分布式的恶意节点检测协议BMND，通过请求消息的异常来确定每个节点怀疑的可疑节点，然后通过贝叶斯均值与投票均值来确定恶意节点，网络就可以进行自我治疗，消除恶意节点的影响。仿真结果表明，本文的算法在恶意节点的检测率以及误报率方面都具有不错的效果。