随着在线社会网络的蓬勃发展，人类交互和共享信息的方式发生了巨大变化。开放便利的互联网为人们的交流提供了更加宽广的平台，但同时也为谣言扩散孕育了理想的媒介。因此对谣言的传播规律及其免疫策略进行研究已成为在线社会网络研究的重要内容。目前研究表明，大部分在线社会网络表现出小世界、无标度、强社团等复杂网络特性，针对消息传播问题的研究也主要基于复杂网络传播动力学进行，所以利用现代复杂网络理论分析在线社会网络特征已成为一个必然趋势，这有助于更好的发现消息传播规律、分析舆论在网络中传播的机理、找出关键节点并及时阻断谣言在社会网络中扩散。　　然而，传统谣言免疫策略的研究存在一些不足，大部分传播网络都属于非在线社会网络，而在线社会网络不但具有短平均路径这种小世界现象，并且呈现度分布指数为常值的无标度特性；传统的谣言传播模型直接采用病毒传播模型模拟消息传播过程，不能完全表征真实在线社会网络中用户的状态；此外，在选择免疫节点时仅仅考虑节点自身影响力水平，忽略了其邻居信息产生的间接影响。　　针对以上不足，本文选择具有复杂网络特征的真实在线社会网络新浪微博作为研究对象，首先根据新浪微博实际数据集构建有向用户关系网络，分析其网络拓扑统计特征，发现它们都具有小世界和无标度特性；然后根据微博网络特征，将用户分为四种状态，构建基于在线社会网络的D-SEIR动态谣言传播模型，利用该模型在网络中仿真微博谣言传播，统计分析各状态用户数量随时间的变化情况，验证了其符合真实谣言传播过程；最后考虑节点自身出度及邻居最大出度来选取网络中的免疫节点，提出SDND谣言免疫策略，并采用D-SEIR动态谣言传播模型进行实验仿真，对比分析随机免疫、目标免疫、熟人免疫、重要熟人免疫和SDND免疫对微博谣言传播的影响，证实了SDND谣言免疫策略的有效性。