随着5G与物联网等信息技术的发展,越来越多的网络设备节点加入到通信网络中,而设备到设备(Device-to-Device,D2D)通信技术成为网络中节点通信的重要手段。在D2D通信网络中,设备间的数据交换过程中可能会出现一些错误信息,这些错误信息可能在系统中被进一步扩散。当错误信息到达一定量的时候,这类错误信息的可信度增大,从而有更高概率诱导系统做出一些不利行为,造成相应的损失甚至灾难性的后果,这是稳定系统要极力避免的。本文主要研究不同复杂网络结构下,错误信息如何在信息节点中扩散,以及如何对信息传播的过程进行干预,从而改善错误信息的扩散。为了研究信息在网络节点中如何传播的问题,本文首先引入了疾病模型,根据不同通信网络场景中信息传播的特征,分别建立了SIS(Suspective-InfectedSuspective)、SIR(Suspective-Infected-Right)、SIRL(Suspective-Infected-RightLatent)三个信息传播模型,并用马尔可夫过程来描述不同状态信息在节点之间的传播关系,用平均场等数学方法把多体问题的研究转换为单体问题。最后通过仿真分析了相应信息传播模型的演化过程,并分析了不同参数对信息传播演化过程的影响。基于上述信息传播模型分析,本文进一步研究了信息检查策略,并提出了相应信息检查方法,以抑制错误信息的传播和扩散。引入信息检查策略后,检查的内容不但有错误信息,也有正确信息,根据这两种信息定义了信息质量的表达式,并建立了以信息质量与代价函数差值为目标的优化问题。基于该信息检查方法进一步仿真分析了在不同复杂网络中SIR、SIRL信息传播模型的演化过程,并针对小世界网络和无标度网络分析了相应复杂网络中的信息传播模型演化过程中各自的特点,这为真实网络的分析提供有效的参考。最后在均匀网络中,分别分析了SIR、SIRL信息传播模型中信息质量与代价函数差值的优化,通过调整代价函数,对应模型信息质量会发生相应变化,最终在相应的代价下会获得信息质量与代价函数差值最优的情况。本文研究工作将为后续人为干预信息传播过程中平衡目标信息质量和代价之间的折衷提供有效的理论依据。