随着在线社交网络的飞速发展,社交媒体成为网络用户参与的主要平台.恶意信息常常隐藏于在线社交网络的海量数据中,加之拓扑结构的局部性、恶意信息的伪装性,定位和溯源恶意信息面临着很大困难.一方面,在海量的社交数据中，通常只能观测到信息流动的部分快照，无法实现对恶意信息的全面监控，且信息在传播过程中会出现变异，不加以区分会增加信息源头数目；另一方面，恶意信息的发布者为逃避监管，常常会将自己伪装起来，信息传播过程会使信息拓扑和网络关系拓扑不一致。原有的定位算法依赖于当前感染节点的分布和当前拓扑，感染状态从单一化向随机化的变化，使得统计推断框架更复杂，需要改进非观测节点的状态推断方法。在线社交网络的信息传播过程中，信息的传播关系常常附加在信息本身中，可以根据当前网络节点的状态挖掘隐藏信息。结合当前网络节点的状态，提出关系拓扑和信息拓扑的概念，并设计基于信息拓扑的候选源点扩展算法。在此基础上，文中提出基于Jordan中心的恶意信息溯源算法。在模型网络和实际网络上的实验表明，相对于对比算法，所提算法能够有效识别出恶意信息源。