信任是新型互联网计算环境下实体可信协作的基石,如何合理准确地评估信任是亟需解决的重点问题.该文构建了一种基于交互感知的动态自适应的信任评估模型,充分考虑了交互因素对信任评估的影响,提出了基于历史交互窗口和可信推荐数的总体信任评估方法,克服了传统模型对交互证据感知能力不足的问题.提出了基于满意度迭代计算的直接信任积累方法,并采用实体稳定度实现了激励和惩罚两种迭代策略,有效抑制了恶意伪装实体的作弊行为.给出了一种基于直接和间接相结合的综合推荐信任聚合方法,通过引入实体熟悉度和评分相似度解决了传统模型推荐准确度低和不可靠的问题.建立了一种分布式树型存储机制DST(Distributed Storage Tree)实现了信任数据的存储和查询,增强了模型的稳定性和可扩展性,并且有效减小了网络带宽开销.实验结果表明,与已有模型相比,该模型有效地提高了信任评估的准确性,并具有更强的抵御串谋实体协同作弊的能力.