近年来,P2P网络的发展逐步被大家所关注,并被普遍地应用在各个领域中。目前,很多P2P信任模型都是基于声誉的,但现有的声誉模型普遍存在资源访问“热点”和不能提供差别化服务等问题,而且容易受到恶意节点的侵入和攻击。如何有效解决这些问题是信任模型的关键。本文主要围绕访问热点、差别化服务和恶意节点干扰等问题,主要做了以下工作：.：1)针对当前信任模型中访问热点问题,部分声誉好的节点由于负荷过重而造成服务质量下降和网络拥塞。通过引入服务阀值,让负荷过重的节点不再提供服务而是推荐给其它节点,以实现P2P分流。这样,可使得网络更加流畅,性能更加稳定。2)由于每个请求节点对资源真实性的要求不同,本文通过在信任模型中引入资源信任阀值参数以提供差别化服务,可让用户得到的服务更加满意。3)在P2P环境下,整个网络是分散和开放的,为了抑制恶意节点在整个网络中快速传播,本文加入了黑名单机制,将所有反馈为提供不真实服务的节点加入黑名单中,使其不再参与网络服务；对于刚加入网络的新节点,只开放提供服务的权限,并根据其交互历史经验推测的信誉度来决定是否可以请求服务。4)针对当前信任模型面临的问题,本文提出了一种混合信任模型,该模型可以有效地解决访问热点问题、提供差别化服务和抑制恶意节点的干扰等问题。通过对负载均衡、差别化服务和恶意节点的仿真实验,验证了本文提出的基于声誉的混合信任模型和其它模型相比,在负载均衡、交互成功率等方面显著提高；对访问热点、差别化服务和恶意节点的干扰等问题也得到了明显的改善。因此,本文提出的混合模型能明显地改善和优化系统的性能。