免疫策略作为复杂网络中评估个体重要性的方法之一,在选择免疫对象以达到更快地遏制病毒的传播和蔓延方面具有极其重要的作用。然而,由于复杂网络中的不同网络结构和传播特性,导致免疫策略的实用性受限,很难适用于不同的场景。社区网络是基于复杂网络的群聚性产生的,其特点是将具有相同特性的个体聚集在一起。然而,早先的研究工作中大多考虑的是社区内部混合均匀下的免疫策略,但实际网络却并非如此。除此之外,网络间信息传输失败以及信号干扰连接等因素导致连接边存在概率性,因而产生了不确定网络。不确定网络是真实生活中常见的网络类型,但是却从未涉足过病毒传播场景中,导致了在抑制病毒传播方面免疫策略的缺失。因此,针对不同的网络结构和传播场景设计合适的免疫策略是本文的核心问题。在对已有的研究工作进行总结的基础上,本文针对社区网络和不确定网络,分别基于中心性度量指标和最大特征值与传播阈值的直接关系提出了相应的免疫策略,并分别分析了不同免疫策略下染病规模的变化情况,其主要内容包括:1)重叠社区是社交网络中常见的社区类型,其特征在于一个个体可同时隶属于多个社区。本文使用重叠节点作为社区间连接的边,对社区网络进行处理和重构,依据重叠节点占社区节点的比重对矩阵模型进行转换,并根据中心性衡量指标设计了免疫策略。通过对网络中的社区和社区内部的节点进行的双重重要性验证,来保证免疫对象的可靠性,并通过方法对比来验证免疫策略对染病规模的抑制程度。2)在网络结构确定的情况下,传播临界值τ与最大特征值λ存在紧密的联系,即λ越小,病毒的传播就越困难。为了研究不确定网络下免疫策略对病毒传播的抑制情况,本文首先通过实验证明了在不确定网络下,τ与λ的关系仍然有效。并通过最小化λ这一目标,结合特征向量、节点度以及网络密度等特点设计了免疫策略,根据不同的不确定边分别使用抽样和抽取代表性案例的方法来验证小规模网络和大规模网络下染病规模的控制情况。