随着分布式网络服务的广泛应用,网络安全问题日益突出,传统的安全技术不能适应网络发展的新趋势。信任管理提供的软安全技术被认为是解决网络安全问题的有效补充手段。然而,目前信任管理研究工作存在以下几方面的不足:　　(a)大多数信任模型没有综合考虑影响信任量化的各种重要属性,因此不能动态准确地预测对方的行为信任。　　(b)大多数信任计算模型没有一个合适的激励机制。　　(c)大多数信任模型中,信任链上节点源端的可信性不足,也缺乏足够的措施保证新节点加入网络和敏感信息的安全。　　针对存在的这些不足,论文围绕信任评价的准确性和激励机制等方面展开研究,主要完成的工作如下:　　(1)通过综合考虑信任的各种重要属性,从多个角度全面准确地描述信任关系的不确定性和复杂性,提出一种基于社会网络的多维信任模型。在该模型中利用可信计算平台验证信任链的可信性;利用网络小世界性选择更可信的信任链,加速建立交互双方的信任关系;利用信任反馈将信任风险控制在可控范围;根据反馈结果对信任结果进行评估、更新和安全存储。仿真实验表明该信任模型能更准确预测节点的行为信任,控制交互风险,便于新节点积极加入网络,增强网络的活跃度。　　(2)为提高节点参与信任信息分享的积极性和保证系统的安全可信性,在囚徒困境环境下结合博弈论和经济学知识引入了信任模型的经济激励机制去抵制恶意节点的不合理行为,并结合TCG平台加密技术对敏感信任信息采取加密措施,保护传输过程中信息的安全可信。仿真实验表明该激励机制能很好地抑制节点的恶意行为,激励节点分享信任信息,并保护交互过程中敏感数据的安全可信性。　　(3)将提出的信任管理模型运用到一个多智能体系统(MAS)协作案例中。根据MAS的协作安全需求,设计了一个分布式MAS系统结构,设置agent角色,并构建一个可信联盟协作机制。在MAS协作平台上添加了信任管理机制,从而增强了系统协作效率,保护了交互过程中数据的安全可信性。