随着移动应用程序的广泛使用,无线网络中的数据量和内容多样性呈现爆炸式的增长,给传统的蜂窝设施带来了沉重的负担。如何应对未来海量的数据需求,并保证安全可靠的服务质量成为目前移动网络面临的一个严峻挑战。内容缓存是目前非常热门的一种内容分发技术,被广泛应用在无线网络中缓解流量负载。在D2D网络中引入内容缓存技术,可以使D2D通信技术和内容缓存技术各自的优点相结合,对提高蜂窝网络整体性能有着重要意义。D2D缓存技术已成为目前5G通信中一个非常重要的研究方向。在启用缓存的D2D网络中,内容保密性逐渐成为缓存过程中的关键问题之一,因为网络中任何用户都可能是潜在的窃听者,无差别的内容分发不仅会造成信息泄露,还会影响网络的整体性能。考虑到移动用户之间存在稳定的社会结构,并且社会信任是建立社交群体的关键因素,当只有彼此信任的用户才能进行内容共享时,可以有效地减少潜在的窃听者,从而增强内容分发的安全性和可靠性。与此同时,用户之间的这种社会属性对于优化缓存策略具有积极的作用,不仅包括克服用户自私性的影响,还包括缓存节点和传输路径的选择。因此,本文创新性地将社会信任的概念引入到D2D缓存中,通过在用户之间建立信任的桥梁来保障内容分发的安全性,并结合相关社会特征设计更加高效可靠的缓存算法。论文首先通过分析用户之间的历史交互轨迹和请求信息,建立了一种多维信任评估机制,分别对用户之间的协作能力、偏好相似性和社会互惠性进行评估以获得多维度的信任关系,并借助基于朴素贝叶斯的决策理论粗糙集算法提取可信的邻近用户作为缓存合作伙伴。接着,论文考虑到用户自私性对缓存性能的影响,将缓存问题建模为一个面向信任的协作博弈来激励用户参与缓存合作,以最小化系统中所有节点的总成本为最优化目标,并最终设计一个启发式的缓存激励算法来获得最优解。实验结果表明所提出的缓存激励算法在系统总成本、缓存命中率和平均请求延迟方面较其他算法有着性能优势。最后,针对目前D2D主动缓存普遍缺乏对社会因素的考虑,设计了一个基于深度学习和社会信任关系的D2D主动缓存算法。该算法借助用户之间的信任关系和相似度对用户遭遇概率进行评估,并结合深度学习相关技术来提高请求预测的准确性,最终提出一个基于贪心策略的内容放置算法,以实现系统缓存命中率的最大化。仿真结果显示,所提出的主动缓存算法在缓存命中率方面较其他算法有着显著的优势。