目前P2P网络对等结点安全问题已成为研究的热点,已经有多个信任模型,信任度的评判是信任模型中最重要的内容之一。本文对现有信任模型中信任度评判方法进行了研究,对大多数信任度评判方法中简单的隶属度计算和随机的权重因素分配方法给出了改进。基于模糊信任的思想,重新定义了直接信任和推荐信任权重因子的计算公式,利用时间序列算法对P2P网络中影响实体信任度的因素在某个级别上的历史数据进行建模,得到了信任因素的隶属度预测值；利用模糊粗糙集算法,对P2P网络中采集的网络带宽、资源价值、存储能力、上传文件大小和下载文件大小数据进行了分析,得到了这些因素对实体信任度的权重。仿真实验结果表明,基于时间序列的隶属度预测算法比已有的直接计算更加有效并能够体现隶属度的动态变化,基于模糊粗糙集算法的权重因素分配比以前随机的分配方法更能准确地评判实体的信任度。