随着分布式应用的发展,基于web服务的分布式模型己成为开放网络环境下一种典型的Internet应用形态。但是由于web服务环境的开放性和欺骗性的特征,为了降低交易风险和保证交易环境的安全性,许多研究者通过各种信任模型来评估交易实体间的信任度。但是由于对信任没有一个统一的概念以及各种恶意实体的存在,如何更加准确可靠地评估实体间的信任以及检测或削弱各种恶意实体的恶意行为成为一个关键问题。本文在已有研究的基础上,通过对信任机制和web服务的学习,提出了一种基于需求上下文和推荐的web服务信任评估模型-EBTRM,论文主要从以下几个方面进行了探讨和研究：第一：对已有的基于用户反馈的信任模型进行了扩展,提出了需求上下文的概念,并把实体间的信任关系用需求上下文进行标注,给出了一种根据需求上下文相似度和约束关系的直接信任评估算法DTCA,以此来提高直接信任评估的准确性。第二：提出了推荐者的推荐不可信度概念,综合考虑了推荐者的可信度和不可信度两方面,运用模糊推理的方法计算出推荐者的信任度,以此来对具有不同推荐能力的实体进行区分,削弱各种恶意实体的影响。另外模型综合了评估者与推荐者的关系、需求上下文和偏好相似度等因素来计算实体间的间接信任,旨在增强间接信任评估的准确性和可靠性。第三：研究了信任的更新演化机制,从时间衰减因子,交易规模因子和惩罚因子三个方面对信任模型进行了修正,并给出了一种基于竞争机制的朋友和陌生人更新方法,旨在增强模型的可靠性和激励实体的善意行为。第四：提出了一种双向信任决策方法,即信任决策时同时考虑了服务请求者和提供者的信任需求,拟通过该方法降低服务提供者的风险和激励请求者主动提供诚实的反馈。最后,通过仿真实验,验证了本文提出模型的可行性和有效性。