复杂网络是研究实际系统单元相互作用的有力工具,边作为节点建立联系的直接体现,是网络的重要组成部分。边在网络中的作用具有异质性,其中关键边具有保障信息流通顺畅和网络结构完整的决定作用。挖掘快速、准确识别关键边的算法一直吸引着众学者的广泛关注,目前他们从不同角度提出了多种关键边的识别算法。识别关键边不仅有理论研究意义,而且它对指导网络保护、控制策略方面有实际的应用价值。本文针对依靠网络结构识别关键边的算法忽略了边之间的相互作用和大型网络的关键边识别时间复杂度高的问题进行研究,本文主要的研究内容如下:（1）目前识别关键边的算法主要依靠节点的拓扑结构,而忽略了边之间的结构信息,使得识别的关键边准确性不高。因此,本文在边结构的网络上研究了识别关键边的加权K-Shell（Weighted K-Shell,WKS）算法。WKS算法将影响节点重要性的剩余节点重要性与移除节点重要性进行了加权,它解决了只考虑单一因素导致关键节点识别准确性不高的问题。最后,为验证算法识别边结构网络中关键节点的准确性,在四个实际网络中将WKS算法与其他四种关键节点识别算法进行了SIR传染病模型实验,分析WKS算法识别的关键节点在传播速度及传播范围的效果,实验结果表明WKS算法能有效、准确地识别原网络的关键边。（2）大型网络的结构复杂且边的数量庞大,但有决定作用边的数量却只占其中的小部分,因此识别关键边时并非所有的边都需分析。为减少关键边识别中不必要的时间消耗将在网络结构和功能上作用小的冗余边进行了压缩,在冗余边压缩后的网络上,研究了基于冗余边压缩的关键边识别算法。算法使用连通效率（Connectivity Efficiency,CE）量化、排序边的重要性,最终识别关键边。为验证算法识别关键边的快速、有效性,在六个实际的大型网络上将本文算法与其它四种关键边识别算法进行了蓄意边攻击实验,实验结果表明本文算法能准确、快速地识别网络中的关键边。本文从网络结构入手研究了两种关键边识别算法,它们为深入分析边之间的相互作用、提高大型网络中关键边识别的实时性方面提供了可靠的理论依据。