随着互联网技术的高速发展,社交网络已经成为了人们网络生活中必不可少的一个重要应用。但是由于用户的增多,各种不良信息也涌入进来,恶意用户的存在给社交网络的正常运行造成了不良影响。普通用户由于经验不足和缺乏技术,容易受到恶意用户发送的信息的骚扰和诈骗。各种网络应用和社交网络紧密结合,用户的社交账号往往和其银行、财务、手机和身份信息相互关联,恶意攻击者可以借此造成正常用户的经济和财产损失以及个人重要信息的泄露。为此,设计并使用一种良好的恶意用户鉴别模型就成为了一项重要的研究工作。本文针对以上存在的问题,从动态信任模型的研究出发,总结社交网络中信任机制的特点与规律,根据现今社交网站快速的变化发展特点,设计了一种基于交互信息及其产生的信任关系的模型,对社交网络中的用户节点进行评价,并结合社交网络时新的安全防范机制,筛选出恶意用户。本文的研究工作主要有着几个方面:首先,本文设计了一种基于浮动信任的社交网络信任模型,使得社交网络的信任度计算更加有针对性,更符合各个社交网站的独特性质。其次,针对信任计算中的性能开销大、所需时间长等主要问题,提出了基于用户交互行为中更新时间的优化策略,将交互行为按照发生的时间赋予不同的权值,将计算资源放在最重要的部分,选取用户最亲密的关系链进行计算,也起到了优化性能的作用。再次,将设计的信任模型应用于恶意用户检测系统中,作为核心判断机制。同时,选取传统流行的恶意用户筛选策略,与信任机制相辅相成,使得恶意用户检测的准确度和性能均得到提升。最后通过设计仿真实验,对以上三点研究内容进行了模拟实验,验证所完成工作的合理性和有效性。