随着复杂网络研究的深入，人们逐渐发现了复杂网络的许多重要的性质：小世界性、无标度性、社团结构等。而复杂网络的基础和核心是信息网络。信息网络是一个边界模糊、层次不清、高度分布、动态演化的复杂网络，无法做到处处设防，而攻击和入侵又不可避免，所以不可能实现绝对的安全。基于节点的认知物理学特性，和通过对大规模的网络拓扑进行模拟后发现：病毒从网络中的关键节点可以迅速扩散到整个网络，速度远快于从边缘节点发起的传播。用网络化数据挖掘方法，挖掘出社区网和骨干网，我们就可以根据网络规模、安全威胁性质和活动状态，从相应粒度上确定防护对象，使得防护策略具有自适应性和针对性，降低防护成本、提高防护效率。论文在详细分析Normal谱平分法算法的基础上，给出了该算法的改进方法，即基于GN模块度的Normal谱平分法，实验结果表明该算法可以获得较高的社团划分准确率。同时，通过传统骨干网挖掘的分析，给出了基于社团结构的骨干网挖掘方法，实验结果验证了该方法的有效性。这些研究成果对于复杂网络的安全技术的研究和应用具有重要的理论意义和实用价值。