在无线传感器网络(Wireless Sensor Network,WSN)中,溯源数据(Provenance)是评估数据可信性的重要依据之一,Provenance记录了一个数据包从产生至被传输至基站(BS)途经的全部节点以及在这些节点上对数据的相关操作。因此Provenance的大小会随着数据包传输路径长度的增长而迅速膨胀。目前,在WSN中采用基于传统算术编码的Provenance压缩方法虽然能有效地解决上述问题,但当WSN的规模较大时,采用此类方法的Provenance压缩效率较低、而且BS的计算负载较大。有鉴于此,本文提出了一种基于算术编码的无损多级Provenance压缩方法,通过对WSN进行分簇组织,一方面可以获得较高的压缩比率、另一方面能有效降低BS在解压缩Provenance时的计算负载。本文的主要工作包括以下几点:(1)在WSN分簇组织方法的基础上,提出了一种分布式的基于多级算术编码的Provenance压缩方法,相对于现有的方法获得了较高的Provenance压缩比,且有效降低了由此导致的BS计算负载;(2)对任意给定的WSN,给出了不同分簇方法与WSN中Provenance平均大小的函数关系,证明了在Provenance压缩传输的过程中WSN最优分簇的存在性;(3)采用了轻量级的方法保护Provenance压缩传输的安全性,并由此兼顾了在WSN中节省能耗的要求;(4)通过理论分析、基于TinyOS的软件仿真,以及基于Zigbee硬件实验共同检验了本方法的性能及其可行性。