近年来，社会网络对人的影响因网络技术和通信技术的飞速发展而加深。与之对应，一类新的具有社会化特征的恶意Agent也因新的技术而层出不穷。譬如，网络空间的分布式拒绝服务式攻击中的相互协作的黑客。虽然近年来Agent的研究领域亦开始考虑人类在社会网络（或群体）中的社会属性带来的影响，但是，国内外对于社会化恶意Agent的研究非常有限，并且仅有的研究尚无法系统和定量化地解释社会化恶意Agent的行为机制以及影响。　　 因此，本文针对以上问题，首先模拟具备人类在社会生活中的两种行为属性（即根据周围环境或历史记录决策）的社会化恶意Agent的角色演化，分析了其在结构化与非结构化的混杂网络中存在的原因。本文发现Agent的内省因子会导致系统内恶意Agent与利他Agent的均衡。　　 然后在两种典型的应用场景（即拥堵博弈框架和分布式任务模型）中，通过定量化的数学建模分析社会化恶意Agent的行为机制与影响。在拥堵博弈框架中，本文得到了其恶意合作程度的Nash均衡解以及恶意合作的条件。仿真实验发现反常规的社会化恶意Agent的良性影响，即“鲶鱼效应”，该效应表明社会化恶意Agent的存在可以提升系统乃至其他Agent的收益。在任务分配框架中，本文分析了社会化恶意Agent声明资源和选取合作者的机制以及采用的支付函数。仿真实验发现恶意Agent能够有效的提高异构网络中负载均衡，绝大部分的Agent的任务数趋于平均。演化分析发现高连接度的社会网络会抑制社会化恶意Agent。　　 本研究表明，可以在不消除社会化恶意Agent的情况下利用其有益的影响而提升系统的性能。