在无线传感器网络(Wireless Sensor Network,WSN)中,溯源(Provenance)记录数据的产生、处理以及传输等历史信息,是进行数据可信性评估、网络异常检测等操作的重要依据。但是,Provenance会随着数据包传输路径的增长而迅速膨胀。由于WSN在能量以及传输带宽等资源方面受限,因此无法直接传输数据量较大的Provenance。为了解决Provenance数据量过载问题,多种Provenance的压缩方法被相继提出。在这些方法中,基于字典的Provenance方法具有最高的压缩比,但该方法对网络拓扑结构变化敏感,使其应用范围受限。针对字典Provenance方法的不足,本文提出一种基于路径索引差分的Provenance编码方法。在本方法中,首先,运用向量场论以及概率论中的相关知识,以WSN中每一个数据源节点为起点,沿着趋向于基站(Base Station,BS)的梯度方向建立骨干路径;其次,使用本文提出的一种“折断海明距离”路径去重方法对网络中的骨干路径进行去重,并对去重后的骨干路径建立字典;最后,当网络中出现新数据包传输路径时,不再对新数据包传输路径建立字典,而是在节点上运用基于SimHash的相似度比较方法检索与其最相似的字典中的路径。在找到与新数据包传输路径最相似的路径后,将新数据包传输路径表示成为与其最相似路径的索引差分形式,从而进一步提高Provenance的平均压缩比。软件仿真以及硬件组网实验结果均表明,本文提出的基于路径索引差分的Provenance编码方法不仅可以有效克服已知的Provenance编码方法对网络拓扑结构变化敏感的问题,而且可以实现更高的Provenance平均压缩比。