本论文是一篇系统性的文献综述，关注大语言模型（LLM）在社交媒体信息完整性中的双重角色。随着LLM的快速发展，其在内容生成和语义理解上的能力深刻影响了虚假信息、错误信息、假新闻、社交机器人和隐私保护等挑战。作者对2019至2024年间发表的1048项研究进行了筛选，并深入分析了215篇代表性论文，采用系统性文献综述方法，从多个数据库综合证据，归纳了LLM在信息完整性领域的主要模式。研究发现，LLM一方面能够增强恶意内容的检测能力，支持更复杂的防御机制，例如通过语义分析识别虚假信息或社交机器人；另一方面，LLM也带来了新风险，使其能够生成高度可信、具有欺骗性的内容，加剧了信息操纵的可能性。文章从技术能力、伦理影响和隐私关切多个维度对信息完整性问题进行分类分析，揭示了当前方法在跨语言检测、实时监控和隐私保护实现方面的关键缺口。最后，作者提出了未来研究方向，并为利益相关方（如平台、政策制定者和研究人员）提供了如何利用LLM同时减轻其在社交媒体信息完整性方面风险的建议。该综述为安全从业者提供了宏观视角，理解LLM如何在社交媒体生态中既成为风险放大器又成为防御工具，并指出了实际部署中需要解决的技术和伦理挑战。