无线传感器网络（Wireless Sensor Network，WSN）中节点种类多、体积小、功耗低，且容易受外界环境的影响，因此通常需要对基站（BaseStation，BS）接收到的数据进行可信性评估。WSN 中的溯源（Provenance）记录了数据的产生及其传输过程，是评估接收数据可信度的重要依据。　　在大规模WSN中，随着数据传输跳数的增加，Provenance的数据量会越来越大，这不仅会消耗节点有限的能量，而且在某些极端情况下会导致数据包的容量过载，因此研究人员提出了 Provenance 的分段传输方法。但此类方法要求Provenance的分段必须全部准确到达BS之后才能实施解码。　　鉴于此，为了解决传统分段方法的不足，本文提出一种基于多粒度拓扑图的WSN 逐级精化溯源方法，基本思想是：将 WSN 拓扑图按照某种规则划分成多级粒度组成的抽象拓扑图，并在不同粒度上进行Provenance分段传输，这样 BS可根据已经接收的Provenance分段在较粗粒度上解码出Provenance，然后运用后继到达的分段以增量的方式逐级细化解码的粒度，直至获得精确的结果。本文的主要工作如下：　　（1）提出了一种基于多粒度拓扑图的 WSN 逐级精化溯源方法，首先使用信息熵定义等价关系，然后通过计算节点之间的互信息将WSN的拓扑图递归划分成多个不同粒度的抽象拓扑图。　　（2）在WSN多粒度抽象拓扑图中，由粗到细逐级、增量传输Provenance，设计并实现了基于多粒度的字典编码方法压缩 Provenance。由此，提高了Provenance的平均压缩比。同时，也讨论了WSN拓扑图动态变化时的处理方法。　　（3）在TinyOS-2.1.2系统下分别完成了TOSSIM仿真和基于PowerTOSSIMz的能量仿真，并在ZigBee硬件节点上完成了相应的硬件组网实验。　　理论分析和实验数据均表明，与传统分段方法相比，本文方法有效弥补了现有Provenance分段传输方法的不足，而且具有更高的Provenance压缩比，能有效的减少WSN的能量消耗。