分布式网络具有开放性、动态性及资源共享自愿等特性,面对海量的资源和服务,由于存在大量欺诈行为及不可靠服务质量,用户在增加选择机会的同时也面临着如何识别和选择一个既安全、可靠,又能满足其个性偏好的资源或服务问题。当前一个有效的解决方法是利用信任评估系统,通过收集、分析实体历史行为信息,预测在未来的交易中其可能的行为。通过信任评估系统,选择信任值高的实体进行交易,降低双方由于缺乏了解而盲目交易可能造成的损失及交易失败的风险、提高交易成功率。具体研究内容包括：1.针对大规模分布式环境下信任评估模型管理开销大、信任收敛速度慢等问题,借鉴人类社会中同类商品集聚型销售模式和组织的管理职能,将分布式环境下的实体按应用环境和目的聚集为逻辑上的信任域,提出了一种基于Agent和信任域的层次化信任管理框架,以此作为信任评估系统中信任管理和度量的系统结构,实体间的交易更多的限定在本域内完成。该框架模型解决了分布式环境下管理开销大,局部信任评估模型中信任评估结果不准确以及全局信任评估模型中通信开销大、信任收敛速度慢的问题,在降低分布式管理开销,提高系统的求解效率方面具有较大优势。2.为满足服务选择中用户的个性偏好需求,结合服务属性和请求者的个性偏好,提出并证明了一种基于个性偏好的模糊聚类方法,实现了对服务按请求者个性偏好的分类。为了提高分类的合理性,提出并证明了一种最佳λ值的获取方法。通过上述方法,将用户的服务选择在满足个性偏好的服务集合中执行,有效的提高了服务选择的成功率和效率。3.云计算将网络中的计算资源、存储资源、软件资源等封装转化为服务,形成一个规模巨大的共享虚拟“资源池”。由于云计算具有动态性、不确定性、分布性和开放性等特点,为了从大量的功能相同或相近,但服务质量不同的服务中,选择一个既可信,又能满足个性偏好的服务,本文以基于Agent和信任域的层次化信任管理框架为平台,利用基于个性偏好的模糊聚类方法,提出了一种云计算环境下基于信任和个性偏好的服务选择模型。为确定和服务请求者个性偏好最接近的分类,提出了一种服务选择算法。引入信任评估机制,结合直接信任和域推荐信任,使请求者在确定的分类中,选择一个既安全可信,又能满足其个性偏好的服务资源。交易结束后,根据服务满意度,对本次服务进行评判,并进行信任更新。仿真实验表明,该模型可有效提高请求者的服务满意度,对恶意实体的欺诈行为具有一定的抵御能力。4.服务质量的好坏,受多个因素影响,导致不同用户在交易结束后,依据不同的偏好,对服务结果的评判存在歧义,从而使得信任评价的标准不统一,不能细致的刻画信任关系的复杂性和不确定性。为解决信任评估系统中存在的上述问题,借鉴人类社会交易过程,在分布式环境下,引入多服务属性,提出了一种基于多服务属性的信任评估模型,根据实体提供的服务特性,从中抽取出影响信任评价的具有代表性的多服务属性,组成服务属性集。服务请求者根据自身的兴趣偏好,结合服务提供者的服务属性值和信任值,决定是否选择该实体进行交易。交易结束后,计算服务请求者根据实际得到的服务质量和服务提供者声称的服务质量差异度,对本次服务进行信任评判,并进行信任值更新。仿真实验表明,该模型能更加精确的刻画实体间的信任关系,并能较好的抵御恶意实体的欺诈行为,当系统中恶意实体比例较高时,仍能保持较好的成功交易率。5.从信任关系的主观性和复杂性出发,针对J(?)sang主观信任模型评价粒度过于粗糙,评价结果不精确问题,本文提出了一种基于扩展主观逻辑的信任评估模型,在计算实体信任值时,利用实体间交易的肯定信任值[0,1]和否定信任值[0,1]代替J(?)sang模型中的肯定事件数和否定事件数,来提高信任模型中信任表述的准确度和精确性。引入时间衰减系数和交易价值系数调节信任评价值,以提升实体信任值计算的合理性。引入不确定性的风险因素值,作为信任值的叠加,以抵御恶意实体的欺诈行为。仿真结果表明,本文模型在一定程度上能有效的抵御实体的恶意行为,保持了较高的成功交易率。