随着互联网的飞速发展,各种信息资源急剧膨胀。如何在大规模网络环境下使硬件资源最大化、可扩展地支持海量数据信息共享、管理和应用,成为目前互联网面临的严峻挑战。对等网络因其分布性、自组织性、可扩展性、容错性、AD-HOC链接特性、低成本和匿名等特性,已成为新一代互联网研究的热点。对等网络技术能够提供快速、准确的查询服务,是解决计算机网络中大规模信息资源共享的重要手段。然而由于其开放和自治的本质,对等网络中隐含着大量不可靠的服务和欺诈行为。另一方面,随着网络规模的快速增长,传统的对等网络搜索技术已不适应当前网络的查询服务。因此,研究并设计有效的信任管理机制和高效、低成本、可扩展的搜索策略是目前对等网络面临的重要研究课题。为了在对等网络上实现有效的信任管理和高效、低成本、可扩展的查询服务,本文从非结构化对等网络出发,在信任机制、搜索策略、拓扑调整等方面开展研究。本文的主要研究工作和创新之处如下：1、深入分析了非结构化对等网络中结点的可靠性因素,提出了一种基于贝叶斯理论的概率信任机制。该机制借助社会心理学中对信任的研究,进行信任的分析与定义,并利用贝叶斯理论的Beta概率分布来进行信任的度量。另一方面,引入时间关联因子、信心以及欺诈检测机制以防止恶意结点的欺诈。模拟实验表明,基于贝叶斯理论的概率信任机制能有效的识别并隔离恶意结点。2、系统研究了非结构化对等网络的搜索效率、代价和查询服务问题,将概率策略和信任机制相结合,提出了一种基于推荐信任的Gossip搜索策略。该搜索策略在Gossip算法中加入概率优先转发机制,利用查询反馈建立的推荐信任来指导路由,使得查询消息的转发不再盲目,而具有合理的偏向性。另一方面,该搜索策略根据结点的自组织性,利用结点的信任进行拓扑调整,从而实现信息检索空间的修剪,提高网络资源发现的性能。模拟实验表明,基于推荐信任的Gossip搜索策略,能够提高查询效率、减少网络拥塞,是一种在大规模分布式网络环境下可行的搜索策略。3、全面考查了非结构化对等网络的信息聚集状况,将D-S证据组合理论与信誉聚集相结合,提出了一种改进的基于D-S证据组合理论的信誉模型。该模型使用改进的D-S证据组合理论进行推荐信息的聚集,解决了信息融合时无法处理信息的不确定性以及强行组合矛盾信息引起的性能下降问题。另一方面,推荐信任和证据预处理机制的引入进一步提高了系统的可靠性。模拟实验表明,改进的基于D-S证据组合理论的信誉模型在系统成功交易率以及安全可靠性上有进一步改善。