康照玲，徐芹宝，王昌达

(江苏大学 计算机科学与通信工程学院，江苏 镇江212013)(*通信作者电子邮箱changda@ujs.edu.cn)

0 引言

无线传感器网络(Wireless Sensor Network， WSN)使用范围非常广泛，如环境监测、智能电网等[1]。在WSN中，节点间相互协作，实时监测、感知、采集物理世界的信息，并将这些信息处理为计算机所能识别的数据，通过一跳或多跳的方式传输到基站(Base Station， BS)[2]。由于传感器节点容易受外界环境的影响，数据在传输的过程中可能被损坏，这就需要对数据进行可信性分析。溯源(Provenance)是评估数据可信性的重要依据，因为它记录了传输途径的节点以及对数据的加工处理过程[3-4]。在大规模传感器网络中，因为数据的平均传输链路较长，所以导致Provenance逐渐增大，进而导致数据包的过载问题，因此，研究人员提出了分段传输Provenance的方法。概率溯源流(Probabilistic Provenance Flow， PPF)[5]是将较大的Provenance分割为一定数量的片段，每次以给定的概率传输溯源分段；伪随机噪声(Pseudo Noise， PN)码方法[6]则是通过伪噪声码将大的Provenance编码为一系列较小的二进制码块，通过数据包延迟信道传送。以上两种方法在全部Provenance分段到达BS之前无法解码，所以传输的鲁棒性弱、溯源数据的利用率低。

针对传统分段传输方法中数据利用率低、耗能较高的问题，本文提出一种基于多粒度拓扑图的WSN逐级精化溯源(Multi-granularity Topology-based Stepwise Refinement Provenance， MTSRP)方法。多粒度拓扑图是指在WSN初始拓扑图的基础上，按一定的规则将节点进行合并，将同类节点用一个抽象节点表示，从而产生一个由抽象节点所组成的粒度较粗的拓扑图；在此基础上对抽象节点继续合并，可以得到更粗粒度的拓扑图。……