随着互联网的发展,网络中实体身份的多重性、实体间网络交易的随意性以及网络数据的动态性和分散性等特点为网络安全提出了新的需求与挑战。如何确保网络交易的安全、有效和持久发展成为人们日渐关注的重要问题,也为刻画、描述不同网络情景的信任管理提出新的研究方向。由于传统的访问控制等技术越来越无法满足现有网络的发展需要,因此研究学者们不断提出新的管理模型来解决网络中遇到的问题。对于信任管理模型中经常考虑的推荐信任而言,如何合理、客观、全面地计算推荐信任,为请求服务实体根据推荐信息进行推荐链的选取提供了重要的依据和安全的保证,也成为了信任管理模型研究中最为突出的研究热点之一。适用于现有网络环境的信任管理模型的研究,尤其是对于推荐信任计算和推荐链选取的研究,对确保网络中实体利益的安全性具有十分重要的意义。本文在信任管理模型已有的研究基础之上,考虑推荐信任度对交易过程的重要影响,提出了一种引入置信区间以提高推荐信任准确度的信任管理模型。该模型首先给出按时完成时间和超时完成时间两个概念,对判定交易是否完成给出了较为合理的判断依据,解决了一部分因为自身所需时间较长而超出模型统一规定完成时间的交易判定问题。当这些交易可以在按时完成时间+超时完成时间之内完成时,可仍然将其列入成功完成交易的范围之内。在实体进行推荐的过程中,本文考虑了不同实体对同一服务各项指标重视程度的差异性,结合实体获取的推荐信任度和实体自身的重视指标程度,综合计算得出推荐参考信任度,并将此推荐参考信任度作为参与推荐链选取的依赖数据。在对推荐实体的反馈评价中,通过置信区间概念的引入计算各实体所允许的不成功推荐次数的范围,允许推荐实体所提供的推荐信任值在一定的区间范围之内进行合理的波动,避免了因为实体之间的主观差异性而带来的推荐反馈误差。此外,当实体的不成功推荐次数累加到某一给定阀值时,模型才会对该实体启用惩罚机制,这种机制不会因为实体的一次不成功推荐而产生对推荐实体信任值的更改,从而鼓励实体更加积极地参与推荐。仿真实验结果也表明该模型可以合理地考虑交易中的各项数据,表现出同一推荐信任对于不同实体而言的差异性,客观地评定实体的推荐,促进网络交易长久、有效的进行。本文借助于有向图思想,结合现有的信任网络特征,在已有的推荐信任度衡量机制之上,提出一个用于选取推荐链的最小风险有向图算法。该算法在大量复杂的网络数据与关系中,剔除了推荐链间彼此无交集的假设条件,在不通过合意规则的情况下,用有向图关系表示实体间的推荐关系,允许推荐链中存在交叉实体,客观的展现了参与推荐链的所有实体的真实推荐关系,可以较好地处理网络中实体的多重推荐问题。在由有向边所转化的推荐关系中,利用有向边所连接的两端实体间的相似度、两实体间通过历史交易信息而获取的局部信任度以及各实体在整个网络交易活动中所表现出的全局信任度等信息计算该条推荐关系有向边所具备的推荐风险值。通过推荐关系构成的有向图中各实体的信息以及各有向边所具有的风险值,寻找从请求服务实体到提供服务实体之间的具有最小风险总值的推荐链。请求服务实体可以依据算法寻找到的推荐路径进行目标实体的选择,还可通过自身的风险容许度或其他考虑因素在根据算法多次调整各有向边的风险值之后,重新运行该算法进行推荐路径的再次选取。此外,为了扩大本算法的使用范围,还引入了虚推荐的概念,用于在构成有向图的实体数目小于给定阈值时,通过给定的实体选择机制,构成虚推荐链,增加推荐实体数目,并在综合计算虚推荐有向边两端实体的直接信任度、局部信任度和全局信任度之后,得出虚推荐边所具有的风险值,加入到算法的计算过程中,用于选取具有最小风险总值的推荐路径。本算法客观得考虑了参与推荐的所有推荐实体所提供的绝大部分数据信息,使计算结果可以更好地反馈实际的网络情形。