对等网(P2P,Peer-to-Peer)已经成为Internet中最重要的应用系统之一。然而,P2P系统具有的开放、匿名以及节点之间松耦合的关系等特性使得节点可以恣意散布非法内容,滥用网络资源,导致不可靠的服务质量及存在大量的欺诈行为,网络的可用性较差。节点之间缺乏信任,制约了P2P系统的进一步发展。目前,解决此问题的方法之一是在P2P网络中建立信任机制。信任反映的是一个用户对另一个用户行为以及能力的综合评价,P2P网络中节点之间的信任是促使节点合作、激励节点共享资源的有力保障,直接影响着P2P系统的整体性能。P2P网络的信任问题可以通过在系统中建立可靠的信任管理模型来解决。本文主要围绕P2P网络信任模型进行研究。针对现有信任模型缺乏有效区分诚实推荐和不诚实推荐的问题,本文提出了一个P2P环境下基于节点推荐可信度测量的动态信任模型。该模型引入推荐可信度测量,在节点信任评价过程中,依据交互行为动态调整信任评价的权重,使得信任模型具有较好的动态适应能力;同时通过对推荐节点的推荐信任实施可信度测量,过滤掉低可信度推荐节点的推荐信任评价,从而较好地抑制了系统中恶意评价行为的发生,提高信任评价的准确性。利用该模型可以在两个对等节点之间建立高效、可靠的信任关系,有效防止恶意攻击,提高系统的效率与安全性。本文提出了另一个P2P环境下多粒度的动态信任模型,此模型吸收社会人际关系网络信任机制的优点,采用量化方法对P2P网络中的节点信任进行评估,给出信任度的组成因素和合成计算方法。请求节点通过对推荐节点的相似度、活动性、流行度和合作性等特性的评估对推荐节点的可信度进行测量,以此来过滤推荐中的噪声。