近年来传感网感知应用大量出现,并被广泛地应用于工业控制、医疗护理、军事监测、智能农业和危险源监测等领域。随着感、传、知、控的演化和传感网技术的发展,传感网的数据规模正变得日益庞大。在传感网数据处理的每个阶段都具有一定的数据不确定性,随着数据的传播,各环节的不确定性不断传递、放大,最终可能极大地影响感知结果的质量。数据溯源,又称数据起源追踪,是根据记录的数据起源信息,查询数据的源头及产生过程的技术。数据溯源技术的出现使得传感感知应用能够更好地进行质量跟踪、故障诊断、可信异常原因分析、数据融合的起源追溯等不确定性分析,实现多源异构信息的可信交互。传统的数据溯源方法无法应对大规模传感网中的海量数据与低延迟的处理要求,因此研究大规模传感网的数据溯源方法变得异常重要。数据起源记录数据的出处及随后所有的演化过程。本文主要研究针对大规模传感网感知应用的数据溯源方法。首先,基于时序推导的思想,提出一种基于时序推导的大规模传感网数据起源模型。然后,分析现有数据溯源方法的不足,提出一种低存储开销的运行时递推数据溯源方法,并在此方法基础上进行扩展,提出一种支持数据重现的运行时递推数据溯源方法。最后,对本文提出的两种数据溯源方法的存储开销和时间开销进行分析,并将其与现有的数据溯源方法进行比较。通过实验证明,本文提出的运行时递推数据溯源方法在多种不同的应用场景下有更低的存储开销和时间开销,而本文提出的支持数据重现的运行时递推数据溯源方法能提供更完整的数据重现能力,且在众多应用场景下都拥有更低的存储开销。本文相关技术已经申报发明专利2项,实用新型专利3项,并在无锡市物联网系统安全测评公共服务平台上得到应用。