复杂网络研究正渗透到数理学科、生命学科和工程学科等众多不同的领域，已成为网络时代科学研究的一个极其重要的挑战性课题。随着对复杂网络研究的深入，科学家发现在现实世界中，许多复杂网络并不是纯随机网络，广泛存在具有小世界特性、无尺度特性、自相似性、高积聚性、以及鲁棒性和脆弱性并存等本质特征。面对迅猛发展的各类信息网络，网络的安全问题也开始受到人们的高度关注。通过分析网络的行为特征，研究病毒的传播行为规律，对重要的节点进行重点防护，采取主动防御的策略，使得病毒的传播和破坏作用仅局限于有限的分支链路上，不会再全网范围内扩散；通过分析网络的结构特性，将其划分为若干社区，发现重点保护对象的安全边界。本文首先基于认知物理学方法，分析网络上的行为特征以抑制病毒传播，并分别从社会关系网、系统科学、信息搜索这三个领域给出了复杂网络节点重要性评价方法的相关概述，并通过实验来分析了各自的特点。然后介绍了一些经典的社区检测算法。并提出了一种利用节点度最大化的检测社区的算法，将该算法应用于计算机模拟网络与实际网络中，得到了理想的社区划分准确率和算法复杂度。