近年来,互联网网络流量呈现出快速增长的态势,网络犯罪也日益猖獗,给社会造成的经济损失也越来越大。诸如“原有纸质档案转化”,“城市监控”,“机动车辆信息”,“旅馆管理信息”及“在逃人员信息”等系统的开发与应用,使得公安系统的信息获取方式多样化,基于不同来源获取信息的侦察结果有时会起冲突,这会导致网络犯罪案件侦破效率的下降,难以满足人民群众对日益复杂的网络犯罪案件快速侦破的需求。另一方面,对公安系统的日常工作及案件侦控而言,上述信息也为实现智能决策提供了必要的数据准备。本文以网络犯罪为研究背景,以案件的多源信息为研究对象,以信息融合技术为研究内容,对D-S证据理论和模糊推理方法中的若干关键技术进行了深入的探讨。本文是在网络安全问题日益突出的背景之下,对信息融合技术的算法进行研究并应用到网络犯罪案件侦控中。针对传统的D-S证据理论算法不能合成高度冲突证据这一问题,本文从证据源本身着手,依据少数服从多数的决策思想,提出了一种新的D-S改进算法,并通过模糊推理的方法实现其基本概率赋值。算例仿真表明该方法能高效地融合冲突证据,且与其它改进算法相比,收敛速度更快,合成结果更理想。本文的主要研究成果如下：(1)针对传统的D-S证据理论算法在部分证据高度冲突的情况下难以准确获取结果的问题,提出了基于折扣规则修改证据的方法。主要是通过引入的绝对冲突和相对冲突概念,绝对冲突代表两个证据焦元交集为空时的冲突,而相对冲突反应在证据均值距离,单独的使用冲突强度或证据均值距离的概念均不能有效地表示证据之间冲突的程度。本文在先采用折扣规则较大程度上消除绝对冲突的基础之上,再考虑利用证据间几何均值距离来较小程度上消除相对冲突,最后赋予各个冲突证据不同的权重,再利用D-S证据的组合规则进行融合,并与其他三种方法比较分析,验证此改进方法的有效性以及实用价值。(2)针对证据理论算法中证据的基本概率赋值函数难以获取的问题,本文采用了模糊推理系统的方法对基本概率赋值进行获取。主要是先对网络犯罪案件电子数据特征属性进行约简,抽取模糊规则,建立模糊推理机,并将它的输出归一化得到各证据的概率赋值。(3)本文根据JDL模型并结合网络犯罪的特点设计了一个三级的多源信息融合侦控模型；数据级主要考虑到成本和时间的约束,应用MapReduce分布式数据挖掘对各信息源数据进行特征提取和归一化；特征级对属性变量进行模糊化操作,划分模糊子集,确定输入和输出隶属函数,生成模糊规则,建立模糊推理系统；决策级利用改进的D-S算法将各局部推理结果进行融合；最终实现了对网络犯罪案件的准确判断。