Está bien establecido que, en los últimos años, los usuarios de Internet han aumentado rápidamente. Mientras tanto, varios tipos de información falsa (como noticias falsas o rumores) han estado inundando plataformas de redes sociales o comunidades en línea. La contención efectiva o control de noticias falsas o rumores ha atraído una amplia atención desde áreas como la academia hasta las plataformas de redes sociales. Por esa razón, numerosos estudios se han centrado en este tema desde diferentes perspectivas, como el empleo de redes complejas y modelos de propagación. Sin embargo, en la verdadera comunidad en línea, la desinformación suele propagarse rápidamente a miles de usuarios en cuestión de minutos. Los estudios convencionales son demasiado teóricos o complicados para aplicarse a aplicaciones prácticas, y muestran una falta de respuesta rápida y pobres efectos de contención. Por lo tanto, en este trabajo, se propuso una estrategia híbrida que explota los datos multidimensionales de los usuarios y el contenido para contener rápidamente la información falsa en la comunidad en línea. La estrategia está compuesta principalmente por tres pasos: la detección rápida de información falsa mediante la actualización continua del conjunto de datos de comparación de contenido según el tema candente específico y los contenidos falsos; la creación de modelos de fuerza de propagación y divisiones de usuarios a través de datos históricos, y la limitación de la propagación de información falsa basada en el contenido y la división de usuarios. Finalmente, se realizó un experimento en línea con BBS (Sistema de Tablón de Anuncios), y los resultados obtenidos fueron analizados mediante comparación con otros métodos en diferentes métricas. A partir de los resultados extraídos, se ha demostrado que la solución propuesta supera claramente a los métodos tradicionales.