以微博、Twitter和微信为代表的在线社会网络具有受众广、传播快和影响大等特点,已经成为信息共享和快速传播的重要基础平台。然而,不良和有害信息在此平台的大规模传播严重影响了人们的日常生活,甚至影响社会稳定,危害国家安全。在线社会网络中信息传播模型研究为预测信息大规模传播趋势提供基础,信息传播源点定位和阻断等干预技术研究为清除不良信息发布源点和阻止信息大规模扩散提供技术支撑,因此得到了业界的广泛关注。但是,目前还存在以下问题有待研究:1)描述大规模信息传播的传染病模型中信息传播基于节点随机感染机制,与在线社会网络中信息基于结构传播的规律存在差异,导致传染病模型拟合和预测各类节点数量的准确率较低,无法准确地刻画大规模信息传播的趋势;2)信息发布源点的数量不确定时,当前源点定位技术未充分利用网络中探查节点的接收时间和邻居等定位线索,也未充分挖掘定位线索与信息传播路径的对应关系,导致定位准确率较低,无法清除所有不良节点;3)当前信息传播阻断模型由于传播过程的复杂性,只考虑阻断节点的整体数量,忽略了在线社会网络节点影响力的差异,导致无法精准阻断目标。针对上述问题,本课题依托军队科研项目对在线社会网络信息传播和干预技术展开专门研究。论文首先针对传染病模型对信息传播拟合和预测准确率较低的问题,以k-核结构作为传播单元代替传染病模型中的随机感染机制,构建新的离散序列传播模型;然后,针对不确定源点数量情况下的定位问题,挖掘网络节点的定位信息,并研究其与信息源点在时间和空间的相似性,并基于此判断源点的数量和位置;最后,针对信息传播阻断模型中阻断目标不精准的问题,引入了节点影响力,使信息传播阻断更有针对性和目标性,提高了阻断的有效性。主要研究内容包括:1.提出了一种基于k-核的信息传播模型。首先,以k-核网络结构为基本信息传播单元,代替了传染病模型中随机相遇的节点;然后,针对k-核内部结构的连接紧密程度分析接收信息传播节点的最终数量,针对核间连接关系预测传播范围;最后,利用离散时间序列和核内缓释机制拟合传播过程和预测传播趋势。仿真结果表明,其拟合准确率略优于SpikeM模型,预测误差相对于传统方法降低了15%。2.提出一种基于时空相近性的定位方法。首先,根据探查节点接收消息的定位线索与信息传播路径存在的对应关系,分析多次接收消息节点具有的空间上的源点指向性,基于此原理采用随机游走算法甄选源点备选集;然后,分析单次接收源点与备选源点在时间上的相近性,基于此性质将数量不确定的源点定位问题转化为聚类问题;最后,以时空相近性为聚类依据,提出改进的近邻传播算法确定源点的数量和位置。仿真结果表明,相对于传统方法,本文方法的定位准确率提升了15%,定位误差在3跳以内。3.提出一种面向节点影响力的阻断模型。首先,考虑网络中节点的影响力差异,建立面向节点影响力的阻断模型,确定其目标为删除最佳节点集使接收信息的节点影响力之和最小;然后,分析了阻断模型的性质,提出一种基于采样平均近似的方法将阻断目标函数的随机优化问题转化为确定性优化问题,并进一步编码为混合整数规划问题;最后,采用改进的量子遗传算法得到最佳阻断节点集并加以删除。仿真结果表明,以删除节点影响力之和为衡量标准,本模型的阻断有效性优于传统阻断模型。