随着网络规模的日益增大，网络攻击以及破坏行为日渐增多，网络安全问题日益凸显，网络的信任问题也备受关注。以往被动的网络防御已经逐渐转变为主动防御，然而传统的网络信任模型已经无法满足当前的需求，对网络信任模型的研究变得日益迫切，本文正是着力于可信网络信任模型的研究。本文首先分析了DyTrust信任模型的信任值计算方法及其策略，针对DyTrust信任模型的直接信任值算法没有考虑时间因素对信任值的影响的问题，引入了一个时间衰减因子ω，使其达到越近的服务满意度对信任值影响越大的效果，从而使评价更准确；针对DyTrust信任模型中未考虑风险的问题，提出了A-DyTrust模型，依据节点所请求服务的质量与风险的正比关系给出了风险函数，改进了DyTrust模型的信任值算法。实验结果表明，改进后的模型（A-DyTrust）较DyTrust模型有更好的动态自适应能力、更强的检测恶意节点的能力以及更优越的反馈信息聚合能力，对否定经验更为敏感，可以有效地减少恶意节点带来的突然攻击行为的危害；针对网络的信任等级评估问题，本文提出一种网络信任度评估方法，通过A-DyTrust模型计算出交互次数最多的20个节点的信任值，再利用Hopfield神经网络的联想记忆能力对这20个节点所在网络的整体信任度进行评价。实验结果表明，该网络信任度评估方法可以准确地判断当前网络所属信任等级，从而实现对网络信任度的量化。