随着移动网络的快速发展，社交网络在社会联系、相互学习、国家政治个人娱乐和发展等多个方面给人类提供了更多的机会。社交网络服务允许建立个人信息来展现自己，发展自己的社交关系，建立和维持同他人的连接，如人人网、新浪微博、Facebook、Twitter等。同时，社交网络正在成为一种重要的媒体，在广泛传播新闻信息，促进大型活动推广等方面起着重要的作用，如总统选举[1,2],2008年Ike飓风等紧急情况的通知[1]。与传统媒体工具相比，社交网络的信息传播有着滚雪球的效应，能够在很短的时间内迅速的传播信息。然而，社交网络作为新的信息媒体，在传播正能量的同时，也把负能量的虚假信息传播给了大众，给社会造成了重大危害。　　同时，在没有真实身份认证的社交网络或者其他分布式系统中，也很容易遭受水军攻击。水军攻击，即一个攻击者可以可以在这样的系统中创建大量的虚假账号，然后通过软件程序的方式控制这些虚假账户来模拟多个真实的物理人的行为，达到一些恶意的目的.在一些分布式的投票是系统中，攻击者很容易获胜d在一些系统评分的系统中，攻击者也很容易改变这些评级的可靠性。　　综上，流言传播和水军攻击是在线社交网络中主要的两大安全问题，本文针对社交网络的这两大安全问题以及他们的混合攻击进行了相关研究。首先，为了研究社交网络中的攻击，我们研究了社交网络的基本性质。然后，利用社交图的性质和随机游走模型，建立了基于贝叶斯概率模型的水军检测算法，并提出了在水军攻击存在的情况下，如何用最小代价的去阻止流言的传播，我们的框架不仅能够有效的阻止流言的传播.还能有效的减小水军攻击带来的负面影响。最后我们根据真实的在线社交网络Twitter的用户数据进行了实验验证。实验结果显示，社交网络中水军的存在极大的降低了已有阻止流言传播算法的效率，而我们新提出的抗水军攻击的阻止流言传播的算法把该效率提升了大约kzX。