本文研究大规模无线传感器网络（WSN）中外部汇聚节点攻击（sinkhole attack）的检测问题。汇聚节点攻击会通过伪造路由信息吸引网络流量，严重破坏网络功能。传统检测方法在高密度、大规模部署场景下面临特征维度高、计算开销大、误报率高等挑战。为此，作者提出一种基于蜜蜂群优化（Bee Swarm Optimization, BSO）算法的元启发式特征选择方法，用于筛选最具判别力的流量特征，从而提升检测效率。实验在3000×3000米区域内部署2000个节点的仿真环境中模拟外部汇聚节点攻击，结果表明，所提方法能够将原始的16维特征精简至8维，同时保持0.997的检测准确率，显著降低了计算复杂度并维持了高检测性能。该研究为大规模WSN中的入侵检测系统提供了一种轻量化、高精度的特征工程方案，适用于资源受限的传感器节点场景。适合网络空间安全、物联网安全以及智能优化算法领域的研究人员和工程师阅读。