近年来,开放网络环境中的诸多应用如P2P共享、电子商务、社交服务等已深刻地改变了人们的社会活动和交流方式,然而,在这种开放的、分布式的虚拟社会网络中存在着大量的欺诈行为和不可靠服务,严重影响了用户节点间的交互质量,安全问题已经成为制约网络应用发展的关键因素。信任网络能有效降低用户间的交互风险,提高系统服务质量和可靠性,已成为国内外研究的热点。然而,在潜在的巨大利益驱使下,针对信任网络的各种恶意攻击行为导致用户之间无法建立可靠的信任关系,极大地影响了信任网络的安全性和信任评价机制的有效发挥。现有信任研究大多侧重于信任关系计算与信任推理这两个方面,缺乏对信任网络中信任实体重要性及其关联关系的讨论,同时还忽略了从网络结构重要性角度考虑信任网络的安全问题,针对信任网络的安全保护研究还未引起人们足够的重视。因此,本文将提出多维序列模式挖掘方法分析信任网络中节点重要性及其关联结构,并深入研究和分析处于网络中不同地位的节点对信任网络安全的影响和防御恶意攻击的作用。本文主要贡献如下：1.提出一种多维信任序列模式挖掘算法MTrustSeq,该算法包括频繁信任序列挖掘和多维模式筛选两个处理过程,综合考虑信任强度、路径长度和实体可信度等多维度因素,有效地挖掘出多维信任序列模式所包含的重要实体及其关联结构。仿真实验表明本文所提算法的挖掘结果全面、准确地反映了信任网络中重要实体及其关联结构特征。2.考虑节点重要性对安全防御的影响,结合网络结构特性提出一种节点层次化划分方法levelDiv,分析节点在影响信任传递和网络整体安全方面的重要性,按重要性高低将信任网络结构划分成4个类别：核心节点集、重要节点集、关联节点集和无关节点集。实验表明该方法克服了传统的节点度、介数等度量指标的缺陷,能有效提高信任网络在恶意节点检测和安全防御方面的能力。