随着当今互联网的发展,复杂网络的病毒传播相关研究已经成为了复杂网络的重要研究方向,在Email网络、社交网络等各种复杂网络中,规模庞大的网络环境和人的主观行为使病毒的传播更加复杂,不得不促使人们研究病毒的传播特性,试图找出影响病毒传播的主要因素,建立更能刻画现实生活中病毒传播规律的模型。同时,近年来的研究表明,网络中病毒传播行为与网络的拓扑结构密切相关,真实网络的小世界和无标度特性在很大程度上影响病毒的传播行为。在网络规模增大时,无标度网络中没有正的传播临界值,表示即使病毒传播速率非常低,也可以在网络中广泛蔓延开来。因此,提出有效的策略来控制病毒的爆发与传播,是具有重大现实意义的。本文在对复杂网络病毒传播相关理论做了一定的研究和分析的基础上,对病毒传播模型和免疫策略进行了研究,主要工作有以下几个方面:(1)基于对交互式邮件病毒传播模型的详细分析上,结合邮件病毒的特征和用户习惯,引入用户的反应时间和知识水平两个概念,提出了一种多因素的邮件病毒传播模型,定义影响因素的参数,对邮件病毒的传播模拟过程进行了算法程序设计,通过在Email网络和USAir97网络数据集上的仿真实验验证了本文模型的合理性,分析病毒的传播过程,并在不同参数调节下,观察感染数量在传播过程中的变化,同时也与交互式邮件病毒传播模型做了对比实验,实验结果表明,本文改进后的模型更能真实有效地模拟邮件病毒的传播过程,用户反应时间和知识水平会在很大程度上影响邮件病毒的传播,减少用户反应时间,尤其是度大的节点用户,同时提高用户知识水平能够抑制邮件病毒的传播。(2)研究发现,目标免疫能够取得比较好的免疫效果,但是难以获得网络的全局信息是目标免疫的局限性,所以以局部信息获得接近目标免疫效果的手段是一种不错的思路。在基于AOC(autonomy-oriented computing)的免疫策略上进行了详细分析上,针对此免疫策略实体在搜索过程中随机跳转产生的搜索效率问题,引入了模拟退火的思想,定义了跳转规则,改进得到一种基于AOC和模拟退火的免疫策略。在真实网络数据集中设计了多组实验,发现本文方法能够更加快速有效地找到网络中部分度大的节点,也结合交互式邮件病毒传播模型和多因素的邮件传播模型,在病毒传播过程中对比了两种方法的免疫效率,通过改变免疫节点比例,分析节点被感染的情况,最后对比了两种方法的免疫代价。实验表明本文改进后的方法在免疫效率上优于原方法,从而验证了本文方法的有效性。