在社交网络中,异常用户是始终存在的。当前,对于异常用户的检测通常使用的是信息本身的特征来设计,这些检测方法存在着计算开销大、检测效率低、影响用户体验等弊端,同时缺少系统性的、有针对性的控制策略,因此对异常用户的检测和控制能力始终有限。本文基于信息熵的概念,提出了一种针对在线社交网络中异常用户的,简洁高效的检测方法,评估平台中用户的风险大小。并改进了一套适用于在线社交网络的,鼓励用户之间信息分享,同时允许一定风险存在并有相应风险控制手段的访问控制模型,使之可以根据检测结果对异常用户进行有效合理的控制。首先,本文介绍了社交网络和社交网络中异常用户及其相关研究的现状,分析了本课题研究的重难点,并阐述了本文所涉及的知识背景。而后,本文提出了交互熵这一概念,并阐述了相关的定义与性质。在说明了计算所需数据的类型和属性之后,本文结合实例详细阐述了,检测周期的确定,根据用户消息记录数据计算用户交互熵的具体步骤。接着,本文根据在线社交网络环境,改进并建立Fuzzy MLS模型。将异常用户检测过程中所得的风险值,映射到Fuzzy MLS模型中的相应变量中,对模型进行进一步的修正,从而达到对异常用户有针对性的控制,构成完善有效的社交网络异常用户检测与控制模型。在此基础上,本文使用真实数据集,计算并统计分析其中用户的交互熵,而后将之映射到Fuzzy MLS模型中,完善模型构筑和控制策略。之后,实验通过测试数据集的验证与分析,检验本课题研究成果。最后,本文总结了本课题研究所做的主要工作,并叙述了本文后续工作的发展方向,对后续的研究内容提出了分析和展望。