随着云计算技术的蓬勃发展,出现了各种参差不齐、质量不一的云服务。由于目前缺少细分的行业服务标准,用户在使用云服务过程中,很可能会遇到服务中断、服务水平过低、甚至是用户数据安全受到威胁等问题,用户的恶意评价对云服务信誉会造成严重影响。因此,实现用户与服务之间的可信协商已经成为服务计算领域的热点关注问题,基于SLA(Service Level Agreement)的协商模式在实体之间可信交互中正发挥着越来越大的作用。本文围绕如何实现用户实体与服务实体之间可信协商交互进行研究,通过数据规范化,用户虚假信息过滤,不负责任评价过滤等多个层面对用户的QoS评价信息进行了处理;在服务信誉值计算中,对直接信任度计算中的权重分配,用户评价可信度,稳定性,影响因素分析等几个方面进行了度量,使直接信任计算更加的准确;在间接信任计算中,通过可信用户推荐,寻找可信路径等方式实现准确的间接可信度计算,解决了用户实体与服务实体之间的间接可信度准确计算问题。本文的主要工作及创新点如下:1.在服务实体信誉值计算方面,提出了一种面向个性化服务属性的间接可信度计算方法,通过分析交互发生时间、使用服务的频率、服务交易金额等诸多因素,精确计算直接可信度。在此基础上,利用树状拓扑结构寻找可信路径的方法,解决了间接可信度准确计算问题。2.在服务等级交互方面,提出了一种云环境下基于SLA的动态交互方法,通过分析判断云服务商的可信级别以及用户的可信级别,拒绝高危险系数的用户访问服务,降低用户恶意访问次数,防止恶意评价数量过多,并且避免用户对不可信服务的重复使用;根据用户可信级别,确定云用户隐私数据的保密级别,从而规范云用户的可信评价行为,对云用户的可信评价做出行为奖惩措施,有效提高服务信誉值计算的精确度,为用户与云服务之间的交互提供可信环境。3.在用户个性化选择服务方面,对用户评价权重进行了分析,通过为QoS各项属性分配不同的权重,体现用户的个性偏好,这直接影响到最终的服务信誉度的计算值。仅对用户比较感兴趣的几个类别进行权重分配计算,既节省了计算资源,又达到了计算结果准确且体现用户个性化的目标。4.在稳定性服务推荐方面,提出了一种基于稳定性与用户可信评价的服务推荐方法,通过将服务稳定性量化的方式,为用户解决服务选择的问题,并且对恶意用户评价进行过滤,减少恶意评价对服务可信度计算的影响。在间接推荐树的基础上,深层次拓展提出Top-k服务推荐网络的概念,精确计算服务推荐值,提高服务信誉值计算的准确度。