近年来,随着互联网技术的迅速发展,各种各样的在线社交网络平台使得人们获取信息十分便捷。因此,人们对互联网的使用广度、信任度、依赖度也逐步提高,互联网的影响已经渗透到人们生活的各个角落。然而,由于在社交网络中发布信息并没有特定的要求,用户有着充分的话语权,对所看到的信息进行转发和传播也十分容易,而社交网络平台无法准确地识别出所有虚假信息,因此在线社交网络也造成了网络谣言的广泛传播。同时,在线社交网络庞大的用户规模,以及其具有的虚拟性、自由性、互动性等特点,又使得网络谣言的传播更加迅速和广泛,从而对人们的生活和网络空间安全产生了较大影响。因此,设计有效的抑制策略来遏制谣言扩散,成为网络空间治理领域一个重要的研究方向。现有研究主要从两个途径对谣言传播进行抑制:传播正面信息抵制谣言;通过阻断一定数量的用户或用户间的链接来阻断谣言。本文旨在通过阻断用户间的链接来对在线社交网络中的谣言传播进行抑制。首先,本文建立了一个考虑社区结构的在线社交网络谣言传播模型（IC Model Considering Community Structure,CSIC）。该模型假设谣言的传播过程不仅受节点影响力的影响,还取决于节点之间的属性相似度,从而更为真实地描述谣言在社交网络中的传播规律。在此基础上,本文提出了三个基于链接阻断的谣言抑制算法,即通过阻断用户间的链接来遏制谣言扩散,分别为全局路径分离阻断算法（Path separation blocking algorithm for global networks,PSG）、全局路径合并阻断算法（Path merging blocking algorithm for global networks,PMG）、社区路径合并阻断算法（Path merging blocking algorithm in community,PMC）。为此,本文引入了最大影响树的概念,以使每一个节点对谣言传播的影响都限制在其最大影响树这一局部影响区域内,且可以通过改变节点的区域影响阈值,来调节这一局部影响区域的大小,从而平衡算法的运行时间和抑制效果。其中,PSG算法从整个网络出发,针对每一条最大影响路径分别进行阻断,可以在较短的时间内搜索到网络中会造成谣言最大程度扩散的链接从而进行阻断;PMG算法从整个网络出发,将每个节点的最大影响路径进行合并阻断,相比于PSG算法,PMG算法的阻断效果更好,但运行时间略长;PMC算法则根据谣言信息与社区用户的属性相似度,来确定谣言信息在该社区中的流行程度,从而针对特定社区进行谣言封锁。本文在三个真实的社交网络中对以上算法进行实验仿真。实验结果表明,PSG算法与PMG算法的运行时间均随着节点区域影响阈值的增大而减少,但是算法的有效性略有所降低;在大规模的社交网络中,PMG算法的阻断效果优于PSG算法的阻断效果;从种子节点出发的算法性能也优于从非种子节点出发的算法性能。最后,针对有明显属性特点的谣言信息,PMC算法能够快速并有效地识别对该谣言信息感兴趣的社区并进行阻断。本文的研究为相关部门和在线社交网络平台制定有效的谣言阻断策略提供了一定的决策依据。