近年来,随着低功率嵌入技术和无线通信技术的不断发展,无线传感器网络(Wireless Sensor Networks,WSNs)在各个领域中应用越来越广泛。然而,由于网络部署环境的未知性及无线网络本身私密性不足,WSNs感测数据的安全问题无法得到保障,因此数据的隐私保护(Privacy-preserving)问题一直备受关注。另外,基于对感测环境的全面性把握的要求,传感器节点通常需要收集多种类型的数据,比如火灾检测器需要同时监测温度、湿度和烟雾浓度等各类数据。但是,受WSNs的能源问题的制约,网络无法对大量的原始数据进行直接传输,需要利用数据聚合(Data Aggregation)技术降低冗余数据。因此,研究多维数据聚合的隐私保护协议来解决网络中的传输能耗和安全问题是有必要的。本文将WSNs中面向数据聚合的隐私保护作为主要研究内容,从其基础理论的研究入手,分别对基于加密的数据聚合隐私保护算法和基于不加密的数据聚合隐私保护算法深入研究,以降低网内能量消耗、保障数据安全性及聚合精度。首先,对WSNs的基础架构理论进行研究分析。将WSNs中数据聚合过程中的隐私保护作为研究中心,分别对网络拓扑、隐私保护技术、数据聚合技术和消息认证技术进行了系统的分析和论述,确定下一步的研究计划,为设计适用于多维数据聚合的隐私保护的方案奠定基础。其次,研究基于同态加密的数据聚合隐私保护算法(PEPA)。改进了LEACH(Low Energy Adaptive Clustering Hierarchy)算法,构建更适用于方案的动态网络拓扑,以更好的平衡网络负载。在椭圆曲线密码系统的基础上,设计了机密性更高的密钥管理方法,并将其与同态加密算法相结合,使得中间聚合节点(Aggregation Node)可以直接对密文执行聚合操作,避免了数据传输过程中被泄露的风险。设计了轮询的消息认证算法,利用多维数据轮询的生成数据包的消息认证码(Message Authentication Code,MAC),使得MAC的破解难度更高。此外,方案使用了逐跳认证的方式,及时过滤受损数据包,可以从根本上解决错误数据给网络性能带来的问题。最后,研究基于高斯分布扰动的多维数据聚合隐私保护算法(MDGD),该方案是一种不需要加密的数据聚合隐私保护方案。基于高斯分布的原理特征设计数据扰动算法,传感器节点使用扰动后的数据分布特征值来代替数据真实值进行传输,消除冗余数据的同时保护数据的隐私。此外,根据高斯分布的性质设计了多维数据聚合算法,可以对多种类型的数据进行安全聚合,使得聚合后的数据包尺寸比普通节点的数据包尺寸更小,这是在之前的多维数据聚合中没有做到的。仿真验证和数据分析表明,该方案在为数据聚合过程提供隐私保护的同时,可极大的降低了网络的通信开销。