网络的快速发展给人们的生活带来便利,同时也带来了很多安全问题和灾害性事件。这些安全问题严重影响了社会稳定与发展。基于此,本文的主要工作如下。(1)针对社交网络上的恶意信息传播,提出一个改进的加权LeaderRank算法,找出网络中有影响的传播者。考虑到聚类特性和节点度在网络信息传播中的影响,用每个节点的聚类系数和度来表征加权LeaderRank算法中的边权。借助蒙特卡罗仿真,在两个真实的社交网络上模拟SIR病毒传播过程,并且与已有算法进行对比。结果表明本算法选出的节点,其传播影响力更强。此外,本算法选出的节点在传播过程中能更快地达到稳态。验证了本算法的有效性。(2)针对普遍意义上的复杂网络级联失效,提出一个新的考虑聚类系数和节点度的,分配比例可调的级联失效容量负载模型。在人工网络和真实网络中进行蒙特卡罗仿真,结果表明通过调节此模型的参数,可以得到最适合的负荷再分配比例,从而迅速地控制级联失效,防止其进一步传播。与现有模型进行对比,本文的模型安全阈值低,系统可以以较小的代价获得全局抗毁性。(3)基于本文提出的级联失效模型,研究多种网络拓扑对网络抗毁性的影响。面对目标攻击,影响网络抗毁性的因素主要是度分布和平均度,网络的聚类特性并不能保证网络的抗毁性,反而会起到一定的负面作用。在随机攻击下,对于无标度网络和随机图网络,平均度的增加会一定程度上增强网络的抗毁性。特别地,对于无标度网络,阈值变化呈现出很强的幂指数下降的特征。小世界网络的阈值变化呈现出高斯分布的特征,除个别参数对应的阈值有较大变化,总体上网络的阈值变化不大,即网络抗毁性变化比较稳定。当网络上因为安全问题或灾害性事件造成大范围的级联失效时,面向网络抗毁性,在微观上识别网络上的重要节点,在宏观上对级联失效进行建模,并且分析影响抗毁性的网络结构因素,具有重大的理论和实践意义。