随着在线社交网络的迅速发展,在线社交网络已经成为人们日常生活中不可分割的一部分。然而,由于在线社交网络的普及性、开放性等特点,在线社交网络已经成为恶意攻击者的目标。恶意攻击者可在社交网络中通过创建批量虚假用户（虚假账户）展开各种恶意活动,包括操纵人气、传播谣言、散布垃圾邮件和收集用户隐私信息等。因此,在线社交网络中的恶意虚假用户严重威胁了用户个人信息安全以及在线社交网络环境的稳定。由于攻击策略持续进化,且当前大部分虚假用户检测方案依赖于不切实际的假设,有效地检测在线社交网络虚假用户仍是一个亟待解决的问题。针对这些问题,本文对在线社交网络中的虚假用户攻击和虚假用户检测两个方面进行深入研究,为制定更高效、更健壮的虚假用户检测系统提供重要见解。具体而言,本文的主要工作如下:（1）提出了一种基于对抗样本技术的虚假用户攻击方案。考虑到现有针对基于图的虚假用户检测方案的对抗攻击研究较少被探索,且现有攻击方案在现实环境中具有一定局限性,本文提出了一种新颖的、现实的虚假用户攻击方案。本攻击方案的核心思想是,首先将对小部分虚假用户添加好友关系的过程形式化成一个图上的目标优化问题,然后通过基于梯度的方法求解此目标优化问题,该问题的求解结果就是虚假用户的好友关系添加策略。最终,本文在真实数据集中比较了本攻击方案与现有攻击方案的攻击性能,实验结果表明本攻击方案可在仅为小部分虚假用户添加好友关系的情况下,使得攻击者选择的大量目标虚假用户更有效地逃避检测,同时针对不同的检测方案也有更好的攻击能力。（2）提出了一种基于用户脆弱度和相似度的虚假用户检测方案。考虑到现有的大部分虚假用户检测方案严重依赖于不切实际的假设,导致无法很好地适配到真实社交网络环境中,本文提出了一种高效且健壮的虚假用户检测方案。本检测方案的核心思想是,首先将社交网络抽象成图,然后通过用户数据提取得到用户的脆弱度和用户之间的相似度,并将其分别设置为图中节点和边的权重,最后通过本文提出的信任传播算法有偏向地传播信任,从而保证大多数正常用户的可信度排名高于虚假用户。最终,本文在真实数据集中模拟了不同的攻击场景,并比较了本检测方案与现有先进方案的检测性能,实验结果表明本检测方案具有更有效、更健壮的检测能力。