近些年随着网络科学、人工智能、数据挖掘和知识发现技术的突破性发展,人们已经具备定量分析自然科学和社会科学中诸多复杂问题的能力。在这些研究中,复杂网络被广泛地用于描述复杂系统和建模实际问题。其中具备多层结构的复杂网络扮演着极为重要的角色。现有针对多层网络的研究绝大多数是在已知完整多层结构信息（层信息）的前提下展开的。而在实践中,更常见的情况是网络的层信息是未知的或部分已知的。这使得研究缺失层信息的网络具有更加一般的理论意义和重要的现实意义。其中,层信息部分缺失时探测边的新类型（Previously Undiscovered Edge Type,PUET）和层信息完全未知时量化网络与单层网络间的层结构差异度是两个最为基础的知识发现问题。然而,当前人们对网络的多层结构与其拓扑（邻接矩阵）间关系的研究尚不够深刻,无法为上述两个知识发现问题提供必要的技术支撑,致使它们一直未得到解决。针对这两个未解问题,本文完成了如下成果:1.提出了信息定义网络模型,为缺失层信息网络的多层结构给出了严格的数学定义。该模型的基本观点是以信息为网络的最小单元统一地定义和建模网络的各个组件、组件间相互关系以及各种物理现象。基于此,本文采用信息的语言给出了层信息缺失网络的多层结构的数学模型。此外,该模型的基本原理揭示了任意一个无权有向网络可被视为一个第2型稳定的信息定义网络。2.提出了一个称为Delta性质的网络拓扑性质,并发现第2型稳定的信息定义网必定具备Delta性质。这一新规律揭示了网络的子层结构与其拓扑之间的关系,为攻克上文提及的未解的知识发现问题奠定了理论基础。3.基于Delta性质,开发了一套PUET探测技术。理论推导和实验分析均表明提出的新技术在信息定义网络中能有效地发现边的新类型,从而初步攻克了本文提出的第一个未解问题。4.基于Delta性质,提出了三类相对交互多重性（Relative Interaction Multiplexity,RIM）来度量网络和单层网络间的层结构差异度。本文给出了 RIM的解析解,证明了 RIM在无层信息或不进行多层结构探测的前提下依然可以正常工作,实现了层结构差异度的精确量化,从而攻克了本文提出的第二个未解问题。此外,本文发现RIM可诱导出性能优良的网络分类算法和网络识别算法,证明了 RIM具有广泛的应用前景。综上,本文针对缺失层信息网络归纳出两个重要且未解的知识发现问题;为攻克这两个问题,提出了信息定义网络模型,发现了第2型稳定的信息定义网络必须遵循Delta性质;基于此规律开发了两项新技术,从而解决了提出的两个问题。此外,信息定义网络模型还为研究网络科学和数据分析中诸如链路预测、重要节点探测、信息扩散模式等问题提供了新的思路和理论基础。