网络群组发现算法在网络病毒防范、IP实体定位和网络负载均衡方面有大量应用研究并取得了一定的成果。全面地分析网络拓扑的结构特性,提高现有网络拓扑重叠群组发现算法的运行效率,研究更适用于网络拓扑的群组发现方法具有重要的现实意义。本文聚焦于互联网领域,对网络拓扑重叠群组发现技术及其定位应用展开研究,主要工作和创新点如下:（1）针对现有研究中重叠群组发现算法在网络拓扑图上的应用局限性,将hcore分解运用到网络拓扑图的重叠群组发现算法中,提出了一种基于h-core剪枝的网络拓扑重叠群组发现算法。该算法引入h-core思想过滤掉了影响算法效率的大量噪声节点,将网络分解成更小连接更紧密的连通分量,保留目标网络上局部连接密集的目标子图,通过枚举网络中的k-plex群组实现网络拓扑的重叠群组检测。在不同规模的真实AS网络数据集上的实验表明,该算法不仅可以有效降低极小群组的数量,而且可以在有效时间内找到大于可控参数的几乎所有kplex群组。在对全枚举算法较高还原度的前提下,提高了网络拓扑重叠群组发现算法的运行效率,将发现极大k-plex群组可处理的网络规模提高了两个数量级。（2）针对现有研究中网络实体定位准确度受限于骨干网分离策略,以及重叠区域的IP节点定位精度有限的问题,提出了一种基于目标靶向群组发现的IP定位算法。提出r-subgroups概念并设置中心点提高目标节点的优先权,保留拓扑结构上距目标节点较近的节点,引导群组发现朝目标IP方向运行。该算法把重叠群组发现应用到网络实体定位,结合投票策略确定网络群组的地理位置,从而获得目标节点的地理位置信息,并进一步评估处于重叠群组中的IP节点定位结果的可信度。通过大量实验证明,该算法在多个场景下都有较优的表现。相比于NNC定位算法,该算法在使用较少的投票节点,比NNC使用较多的投票节点,定位效果更好。在河南省内城市拓扑上,使用相同投票节点,该算法的定位准确率比NNC算法高29.1%。