随着无线传感器网络在生活和工作中扮演着越来越重要的角色,设计针对无线传感器网络特性的入侵检测技术是当前网络安全的研究重点。目前,大多数入侵检测技术通常部署在传感器节点上,对于能量有限的传感器节点是一个挑战。因此,本文面向基站接收的监测数据提出特征自适应的无线传感器网络入侵检测算法和参数自适应的无线传感器网络入侵检测算法。针对传统集中式入侵检测算法需要传感器节点发送网络特征到基站,以及以监测数据为检测特征的入侵检测算法较难识别拒绝服务攻击的不足,本文面向基站接收的监测数据提出特征自适应的无线传感器网络入侵检测算法。首先,该算法的首要工作是设计特征处理公式,使得基站接收的监测数据经过该公式处理后能够反映网络的状态变化,进而无需网络特征识别拒绝服务攻击,降低了节点的能量消耗。然后,融合不同机器学习算法的优势实现无监督学习。最后,利用传感器监测数据的特性设计了滑动窗口模块,使入侵检测算法能够根据环境的缓慢变化而重新训练,赋予算法特征自适应的能力。实验结果表明,所提算法的检测结果相对优于支持向量机、朴素贝叶斯和决策树算法。针对支持向量机对参数比较敏感的现象,提出参数自适应的无线传感器网络入侵检测算法,该算法采用改进果蝇算法实现参数的自适应调节。此外,参数自适应入侵检测算法采用特征自适应入侵检测算法的特征处理公式对基站接收的监测数据进行特征构造,实现无需网络特征检测拒绝服务攻击和数据污染攻击。实验结果表明,所提算法的检测结果相对优于遗传算法、粒子群算法和标准果蝇算法分别优化支持向量机的入侵检测算法。