本书立足于数字化时代网络空间治理需求，针对网络有害信息内容复杂、扩散迅速等特征，构建人工智能驱动的智能识别与治理体系。本书采用管理学与人工智能交叉视角，围绕”识别-传播-干预-治理”全生命周期，开展五方面核心技术研究：基于自然语言处理的有害文本语义理解、基于主题建模的有害议题演化分析、面向生成式AI的虚假信息检测、基于深度学习的情感风险识别，以及复杂网络传播仿真模拟。通过开发RoBERTa多任务学习模型、神经聚类主题模型(NCTM)、响应特征差异检测模型等创新方法，提升有害信息识别的精度与效率。研究进一步构建MNM-SIRS传播模型揭示信息扩散规律，并从技术干预、制度规范、平台责任与公众教育等维度提出综合治理策略，形成理论模型与技术框架相融合的解决方案，为网络空间治理现代化提供支撑。