近年来，随着互联网的兴起和发展，现有的信任评估机制还存在一些不足，如不能快速有效地处理针对评估机制的恶意攻击，不能满足现实节点对评估准确性的要求，不能有效地识别和预防共谋节点的攻击等。针对以上不足，本文对信任评估机制做了深入研究，并提出了一种基于改进D-S证据理论的可信评估机制。所做出的具体工作如下：首先，提出了一种基于改进D-S证据理论的信任评估模型及其实现框架。结合D-S证据理论对信任的表达方式用一个三元组重新给出了定义，从而考虑了信任的不确定特性；改进基本可信度函数，用持续序列因子来解决网络实体的振荡攻击和欺骗攻击行为；给出计算持续序列因子的具体算法，使模型的实用性更强；对基于D-S证据理论的三元组信任关系，提出了基于评估函数的归一化方法，使信任的度量更准确。实验证明本模型能更快地抑制单体恶意攻击行为，并且使评估结果更贴近实际值。其次，提出了基于G-N算法的共谋节点识别模型及其部署实现。结合社会学关系对网络团体的共谋行为进行分析得出相互吹捧的行为特征，为后期的聚类做进一步的准备；给出计算相互吹捧系数的具体算法，让算法的实用性更强；设计可疑共谋节点的社区划分方法，进一步缩小备选项的数据集，使算法的效率更高；通过评估各可疑团体的共谋程度和共谋危害识别出共谋节点，使该信任模型能更好地抑制共谋攻击行为。实验证明该识别模型在识别共谋节点方面有较高的准确性，增强了信任评估机制的安全性和可靠性。最后，基于以上的理论基础，本文设计并实现了基于改进D-S的信任评估机制的仿真系统，并进行了仿真实验以及结果分析，验证了本模型具有更快地抑制单体恶意攻击行为和共谋攻击行为，提高了评估结果的准确性。