为掌控在线舆情及国际局势走势,政府机关、应急管理部门等现实世界的合法机构与组织需隐蔽地收集并分析来自国内外新闻媒体、特定网站以及热门在线社交平台的数据,避免被相关人士追根溯源。反溯源的本质在于通过特定技术隐藏信息浏览轨迹和搜索意图,防止网站来访者被溯源跟踪。构建安全的受控入网环境系统,提供一个安全的、受控的、反IP追踪的安全互联网入网环境,实现反溯源。溯源的主要手段为重构来访者的访问路径,因此,构建攻击者难以重构的访问路径将是抵御溯源攻击的重要手段之一,基于链路调度与资源配置的安全入网环境搭建具有重要意义。本文以安全互联网入网环境为研究对象,结合与中国电子科技集团公司电子科学研究院的合作项目“数据定向采集检测与反溯源信息传播研究[BH2018-CF03-1]”的需求,对链路调度与资源配置展开深入的研究,主要的工作成果表现在以下几个方面:（1）权衡访问时延与系统的安全级别保证,以隐藏用户的访问痕迹为目标,提出了一种双目标联合优化的链路调度算法。探讨了多跳VPN网络中安全传输的资源分配问题,以获取资源分配与安全级别保证之间的关系,实现反溯源。在考虑链路类型、传输约束和队列模型的基础上,建立了链路跳数与用户访问的安全级别需求间关系的数学模型。并在此基础上,提出了一种安全等级保证的资源分配和链路调度算法。此外,可以确定,以时延最小为优化目标的资源分配可以保证安全等级。最后,基于分段线性化技术,将目标函数转化为混合整数线性规划,获得近似解。实验结果与性能分析证实了所提调度算法的有效性,能在保证反溯源的同时最小化时延,且混合整数线性规划的解与目标函数的解之间的近似比为（1+ε）。（2）针对长传输路径导致的反溯源边际效用问题,即反溯源效用随着传输路径长度的增加而逐渐降低。为衡量传输路径对反溯源效用的影响,引入边际效用函数,提出一种基于强化学习的反溯源资源配置算法。对于网络参数未知或缺失,网络环境不具备调度中心的VPN网络,构建节点自治的路径,提出时延优化的Q-Learning算法;通过时延递推分析,建立多跳VPN网络下的状态转化模型;基于边际效用理论,设计一组安全性能和时延各有侧重的边际效用因子,探索在严格策略和宽松策略下的安全需求与时延的权衡问题。实验结果验证了两种效用因子对资源配置的影响。