互联网的快速发展推动着P2P(Peer to Peer)流媒体技术的前进,目前中国是P2P流媒体技术发展最快的国家之一。由于P2P流媒体系统中节点的匿名性、自主性,节点的目标往往是最大化自身效用,同时最小化对其他节点的贡献,大量节点倾向于只下载不上传成为搭便车节点(free-riding)。由于P2P网络环境的开放性,使得P2P流媒体系统也面临一些安全性问题。如一些节点散布虚假信息和恶意资源及节点间共谋问题。随着P2P流媒体系统规模的扩大,急剧增长的媒体资源增加了用户查找感兴趣媒体的难度。这些现象严重降低了P2P流媒体系统的性能和用户体验,搭便车节点的存在甚至会导致网络的完全瘫痪。因此设计一个合理的P2P实时流媒体管理协议来管理节点并分析用户行为是非常有必要的。目前国内外关于以上三个方面的研究很多,但这些研究大多是基于P2P网络的,与流媒体技术结合起来的比较少,并只做了单方面的研究,没有把激励机制、信任机制、个性化推荐系统同时应用到P2P实时流媒体系统中。本文以P2P流媒体系统作为研究基础,在此基础上设计基于激励机制、信任机制、个性化推荐系统的管理协议。本文首先阐述了课题的研究背景和意义、论文的主要工作和目标、P2P流媒体相关知识,分析了P2P实时流媒体管理协议的需求,给出了管理协议和信令协议、传输协议的接口。针对当前系统中存在的搭便车问题,优化了基于博弈论的激励机制,根据P2P流媒体系统的实际情况,在计算节点贡献值时考虑了节点的稳定性和上传带宽代价两个因素。通过和其它激励机制比较,得出基于博弈论的激励机制在促进节点参与资源和信息共享方面的优势。针对系统的安全性问题,优化了基于信誉的信任机制,根据目标节点的直接信任度和间接信任度,得出目标节点的综合信任度。在计算间接信任度时,首先过滤推荐节点集中共谋节点,保证计算结果的准确性。最后,为用户设计了基于用户聚类和协同过滤的个性化推荐系统,向用户推荐其感兴趣的媒体资源,实现个性化服务。本文最后开发实验仿真平台对管理协议进行测试,并对实验结果进行分析和总结。