1.一种社交网络中基于谣言传播模型的免疫回溯辟谣方法，其特征在于，包括：建立包括S、C、D、I和R五种状态的节点传播模型，各状态在一定的转化因素下进行状态转化；状态转化过程中引入激励机制，抑制谣言传播；所述转化因素包括个人因素、邻居因素、内容因素和时延因素；其中，S表示未接触信息，C表示传播这个信息，D表示怀疑这个信息，I表示对该信息不感兴趣不会传播，R表示传播权威机构发布的辟谣；

各状态的转化概率如下：

其中， 分别表示i节点的状态由S变成C、I和D的概率； 表示i节点收到辟谣消息后的状态由S变成I的概率； 分别表示i节点的状态由C变成R和I的概率； 分别表示i节点的状态由D变成R、C 和I的概率；其中， 和是激励导致的转态转化；ξ为激励系数，表示激励的代价程度；β是一个参数，属于0到1之间；

表示i节点收到谣言的个人因素； 表示i节点收到辟谣的个人因素； 表示邻居因素；

表示内容因素；di表示i节点的节点度；davg表示网络平均节点度；dmax表示网络最大节点度； 是时延因素，表示不同用户从收到信息到处理信息的不同时间；

i节点收到谣言的个人因素表示如下：

其中，i∈[1,N]，N表示节点个数；

i节点收到辟谣的个人因素表示如下：

其中，α为根据网络结构预设的参数；

所述邻居因素表示如下：

其中， 是邻居因素，表示邻节点对用户的影响；avg(•)表示求平均值；max(•)表示求最大值，k表示用户的邻节点中传谣的序号；dj表示k节点的节点度；

所述内容因素表示如下：

其中， 表示内容因素，不同的用户会对不同的信息感兴趣。

2.根据权利要求1所述的社交网络中基于谣言传播模型的免疫回溯辟谣方法，其特征在于，状态转化过程中引入激励机制，抑制谣言传播，具体包括：当状态转化过程中出现移动R状态的节点时，将节点传播时间加1；

当节点传播时间大于节点的时延时，根据节点间的链接查找谣言来源；如果有多个谣言来源，选择多个谣言来源中时延最小的节点作为谣言来源节点；并将所述谣言来源节点的传播时间加1；

当谣言来源节点传播时间大于谣言来源节点的时延时，出现移动R状态的节点将辟谣消息传递给谣言来源节点；同时，将出现移动R状态的节点的状态改变为R；将谣言来源节点的状态改变为移动R状态节点。

3.根据权利要求2所述的社交网络中基于谣言传播模型的免疫回溯辟谣方法，其特征在于，所述时延基于时延因素，表示不同用户从收到信息到处理信息的时间；具体通过计算机生成0到10内，服从正态分布的数据。