目前,针对恶意代码传播建模的主要研究方法为数学微分动力学方程,但该方法形式变化有限,灵活性欠佳,不同模型之间节点变换大同小异,得出的演化结果趋势也大致相同,实质上并没有太大的新的发现与进展。不同方程组的区别主要在于根据不同场景增加或删减参数,引入不同的感染状态变量,由于感染率和恢复率等参数基本上是由设计者给定,且与实际情况存在偏差。因而采用此方法对以移动化、社交化为特色打造的微信生态系统中的恶意代码传播建模有失偏颇。故本课题采用更具智能化、适应性的Agent技术对微信中的传播主体用户及其上的信息传播规则和场景进行建模。本文从心理、情感,信任度、活跃度、使用性格等微观角度对用户进行刻画,并对微信社交环境特点、影响微信恶意代码传播的因素进行深入分析,组合不同系统要素发现宏观层次的涌现现象,使微信上的恶意代码传播规律的研究更具科学性和适用性。基于以上特点,本文主要进行了以下几方面的研究:对微信社交网络统计特征进行实证分析和计算,并对微信恶意代码传播的特点及影响因素进行分析。将Agent技术应用于建立微信恶意代码传播的概念模型中,包括微信传播场景建模及传播规则建模等概念建模,并提出微信社交网络的生成方法。构建基于Agent技术的微信恶意代码传播可计算模型,对恶意代码特征、用户社交属性特征、群体氛围等影响因素进行量化地表示及计算,并定义恶意代码传播状态和演化规则。利用NetLogo仿真平台对基于Agent技术的微信恶意代码传播模型进行仿真实验,根据微信官方报告对仿真网络中各参数进行赋值,并从复杂网络角度对所生成的网络拓扑进行统计特征分析,证明了生成网络方法的合理性。并结合了现实生活情境,提出了恶意代码传播的五种传播场景和四种传播规则,进行两者组合仿真实验,对实验结果从恶意代码特征、用户个人属性、群体氛围、传播情景及规则等角度进行恶意代码传播速度、规模、动态演化的探讨,发现各个场景和传播规则所特有的传播特点和规律,以及恶意代码传播的有利及不利因素。根据现实生活情境及实验结果,总结归纳出了不同传播环境下的传播规律及各因素的利弊,利用该规律指导实际问题的解决,提出了相应的可行性措施。此外,通过实验证明了基于Agent的恶意代码传播仿真建模研究,不仅可以再现已存在的实际传播情况,还可以发现尚未在现实生活中显现的宏观涌现现象。这既在一定程度上验证了模型的有效性,又显示了模型的优势。