随着网络技术的日益成熟,探索和掌握社交网络中信息的传播规律已经成为了预测舆论导向、控制突发事件、保障网络舆论安全的必要基础.科学家们经过深入的分析与研究发现用户在多次受到相同信息的影响之后会更容易接受并转发该信息,并且这种累积刺激的模式普遍存在于信息传播过程中.然而,这一规律并不能有效的解释部分信息即使存在多重的刺激也不会导致大范围传播的情况,例如谣言、虚假新闻等.因此,本文将提出了一种结合了累积刺激的信息传播动态干扰模型,试图解释并完善累积刺激的传播模式在社交网络中的运用.一系列的仿真表明,该模型能够合理的解释部分信息无法大范围扩散的情况,干扰信息的初始传播概率以及影响力的增加均能够明显的缩小信息的扩散范围,同时,在高聚类系数的网络结构中,信息的传播更容易受到干扰的影响.