在信息化时代的今日，在线社交网络与个人的生活密切相关。在线社交网络既能促进有益信息的传播，同时也为恶意信息的扩散提供了温床。如何快速而准确地识别恶意信息的传播源头(如网络谣言源、计算机病毒源)，是网络科学中一个重要的基础问题。

　　中国科大信息科学与技术学院张文逸课题组的博士生王朝旭和董文祥运用数理统计理论，他们从原理上证明，利用多样本观察知识，对于规则树状网络拓扑模型，能 够将正确检测率由文献中单样本观察时的30.7%提升到趋近100%。进一步地，通过对多种实际网络模型的数值实验研究，证实了他们提出的多样本检测算法 在实际场合中，有潜力大幅度提高谣言源识别的精度。该研究成果以正式论文的形式在ACM SIGMETRICS会议上报告。

　　该成果在未来可望应用于网络执法机构进行网络取证等各种网络安全相关的领域，通过充分挖掘利用多个数据样本中所包含的潜在联合信息，快速而准确地识别出恶意信息的传播源头。