随着互联网技术的发展和移动终端设备的普及,群智协同网络已经成为与人们日常生活息息相关的一部分。群智协同网络的重要内涵为网络用户既能够通过相互间的协作完成多种任务以实现群智资源的最大化利用,又能够享用群智资源通过协作输出的最优化结果,其特性包括网络形态多样性、数据多样性和用户角色多样性。由于在群智协同网络中,用户既是数据的消费者,也是数据的生产者,在“以数据为驱动”的当今社会,群智协同网络已经成为网络攻击的重要目标。作为密码学手段的重要补充,信任管理机制已经成为群智协同网络抵御内部威胁的重要手段之一。为此,本论文针对群智协同网络中的信任管理机制为研究目标,分别从群智协同网络的网络形态多样性带来的频谱感知需求、群智协同网络的数据多样性带来的数据可靠性和数据敏感性问题及群智协同网络的用户角色多样性带来的开放性问题展开研究,论文的研究内容和主要贡献可归结为以下几个方面:针对群智协同网络的网络形态多样性带来的频谱感知需求,首先分析了非完美公共控制信道对于恶意用户检测的影响。该分析表明非完美公共控制信道下,更多的正常用户会被判定为恶意用户,导致融合中心得出更多错误的频谱感知结果。为了克服该问题,引入了信任管理机制,并设计了一种新颖的信任阈值判定方法为每个次级用户设定个性化的阈值用于判定其是否为恶意用户。基于该信任阈值判定方法,提出了基于信誉值的协作频谱感知方案R~2-CSS,以提高协作频谱感知过程对恶意影响的鲁棒性。针对群智协同网络的数据多样性带来的数据可靠性问题,提出了一种可靠的特定目标信誉值计算方法。该信誉值计算方法的核心为两阶段的恶意评价值检测方法,在第一阶段,将检测某一评价序列内是否存在恶意评价值转化为广义似然比检验问题,使得检测方法对评价值序列的微小异常变化更加敏感。如果第一阶段检测的结果表明存在恶意评价值,则在第二阶段引入CUSUM(cumulative sum)方法对恶意评价值进行定位,最终将评价值序列中的恶意评价值检测出来并将其剔除。其次,引入了标签基因的概念提出了一种计算用户对目标商品兴趣度的计算方法,该方法能够很好地刻画不同的用户对目标商品的感兴趣程度,并将计算出的兴趣度作为最终目标商品信誉值计算的评价值的权重。针对群智协同网络的数据多样性带来的数据敏感性问题,引入边缘计算模式,设计了能够实现隐私保护的信任管理机制来抵制提供错误感知数据的恶意用户。在此工作中,首先提出了基于边缘计算模式的群智感知架构。其次,提出了B-PPRM方案和A-PPRM方案来实现在隐私保护的基础上对恶意用户进行抵制。在所提出的B-PPRM方案中,实现了在不泄露原始感知数据的基础上对该感知数据的离散度进行计算,并根据离散度的具体数值对信誉值进行更新。通过理论分析,直接使用离散度数值对信誉值进行更新可能会泄露最终的感知数据融合结果。为此,我们提出了A-PPRM方案,通过信任管理中心RM和边缘节点EN_τ的交互,实现在不泄露离散度密文的基础上对离散度值进行排序,根据离散度值的排序对信誉值进行更新,实现了对用户隐私的保护。针对群智协同网络的用户角色多样性带来的开放性问题,基于区块链技术,提出了针对群智协同网络中群智感知场景的分布式信任管理机制,具体为:一方面,引入了边缘计算模式,针对群智感知场景设计了基于区块链的分布式信任管理机制架构,在该架构中,为了保证区块链的运行效率,同时减轻用户端的计算负担,使用了区块链中的私有链,即只允许具有一定计算、存储和通信能力的边缘节点能够将数据写到链上并由其对整个区块链进行维护更新;另一方面,为了克服SHE同态加密体系对密文操作所带来的高复杂性计算,引入了支持加法同态的Paillier密码体系,感知任务执行者对所有的感知数据进行加密,边缘节点可以对感知数据的密文进行操作得到最终感知数据融合结果的密文,并将其返回给感知任务请求者,同时,重新定义感知数据离散度的概念,并设计了无需信任管理中心参与的用户信誉值更新规则。