随着分布式软件在电信、金融、交易平台等领域的广泛应用，人们对其可用性、可靠性和安全性等可信性质给予了更高的期望和要求。为解决日益突出的分布式软件可信性问题，需对其实体交互行为实施有效监测和意图分析。针对规模庞大、松散聚合、行为复杂的分布式软件系统，行为意图分析困难的情形。文中较系统地从监测技术、序列产生、序列消减、序列模板挖掘、序列匹配和意图分析等方面逐步展开了研究。采用AOP和反射技术监测与业务逻辑相关的实体交互事件。文中以事件作为切入点，以体现实体交互行为的事件序列作为分析对象。利用序列循环消减算法对已产生的行为序列进行消减提炼出精简而又能体现实体行为的子序列。通过基于图的模板挖掘算法训练样本数据来规划和丰富知识库。采用蚁群算法对实体交互行为意图分析。本文提出的行为意图分析方法可以直观发现制约系统高效、可信运行的瓶颈，分析出实体交互的欺诈、欺骗等异常行为，使行为意图分析真正成为指导软件可信性动态演化和持续优化的“掌舵者”。本文的主要工作包括(1)分布式系统中实体的交互过程产生许多循环子序列，给行为序列的挖掘和分析带来很大困难，因此文中提出了模板挖掘分级策略，通过循环消减操作自动移除重复部分子序列，使存储在规则与知识库中的行为模板既简洁又具有广泛的代表性，以便后续的行为意图分析。(2)随着系统不断的运行模板数量聚增，如果匹配方法精确度和效率不高，很难满足系统的实效性反而增加了系统的负担。基于蚁群算法具有时间和空间复杂度低的特性，有利地克服了匹配算法中效率底的问题，可以更准确地分析实体行为意图。(3)最后给出实例分析和仿真实验，通过性能测试和分析，验证和评价了论文提出的交互行为分析方法的独特优势。