随着网络用户的角色由感受者向发动者转变,Web2.0技术带来了又一次互联网革新。社交网络迅速发展,并拥有了庞大的用户群。其中,微博服务的各种创新应用进一步缩短了社交网络用户间的距离,其影响力日益增大,逐渐成为把守网络信息安全的关口。微博用户通过关注的对象,可以便捷地获取对方的微博消息。微博信息很大程度上是依赖于用户的人际关系网进行的。当微博信息到达某用户之后,下一步行动是由传播源的活跃度和受体用户影响力和用户对之间的交互亲密度共同决定的。另外,微博中一旦出现污染实情,如何快速有效地在庞大的用户群体中定位受染用户,妥善处理,尽可能减小污染对网络造成的危害也是需要被关注的重点。本文的研究目的在于对谣言在微博网络中的传播特性进行实验和探寻,并根据传播模型提出检测受染用户的应用,其中,研究用户行为对用户关系乃至整个微博信息网络的影响是本文的研究重点。本文从构成微博的用户、关系及消息三大构件入手,经过统计特性分析,选取适当的指标,量化用户间的交互关系,提出了受收发双方影响的传播系数。针对不同类型的用户类型以层次分析法区别交互习惯,构建了微博中谣言传播模型。通过与实际的谣言污染观测实验进行对比,验证了模型的合理性。不同类型的用户在该模型上进行传播对比实验,研究用户的类型对谣言传播的影响。同时,本文将谣言在微博网络中的传播过程逆向分析,通过疫情发现点、基于微博的谣言传播模型,以蚁群算法搜索上一步可能的污染源,并不断扩大搜索范围,定位受染用户。通过参数讨论,实现了搜索准确性的不断提高,同时也极大程度上降低了清理已污染网络环境的代价。