近年来,日趋成熟的云计算技术的应用领域越来越广,使用人数也日益增多,大规模地应用使得云计算成为社会生产中重要的一部分。小到云计算公司的商业发展,大到科技强国云计算的基础建设,都深刻地验证了云计算技术是互联网时代的技术潮流。云计算技术的一大特点是数据量巨大,这对于互联网中的任何一个人来说都是一把双刃剑,人们在享受云计算便利服务的同时,也需要承担一定的安全风险。用户在选择云服务时,首要考虑的因素便是安全性能。在云计算系统中,云服务提供商、云服务和用户三者之间存在信任关系。本文基于D-S证据理论的数据处理规则,量化三者之间的信任值,建立一个关联感知的云服务信任模型,并基于模型构建了一种可信云服务的推荐方法,向用户提供合理可靠的云服务,满足用户对于安全性能的需求。当前,如何量化云服务的信任值,如何建立相应的云服务信任模型,并在此基础上向用户推荐可信度高的云服务成为关键。由于云计算系统中信任关系的复杂性,用户对云服务的信任评价尚具有一定的不确定性,而D-S证据理论恰好具有处理不确定性信息的能力。本文基于凸函数证据理论,建立了一种云服务信任模型,将云服务提供商、云服务和用户之间的信任关系进行量化,利用该理论的数据处理能力,构建一种可信云服务的推荐方法。在建立信任模型的过程中,为对三者的信任关系进行量化,本文定义五个信任等级。首先,根据单一用户与云服务交互后的信任评价结果作为直接信任值;其次,将全体用户的信任评价结果、云服务商信任评价结果和第三方机构信任评价结果作为间接信任值;最后,利用数据融合规则将两种信任值进行融合得到信任模型所需的综合信任值,以综合信任值作为衡量标准,向用户推荐可信度高的云服务。建立的信任模型针对云服务进行信任评价和推荐,未对用户进行分析,而在实际应用时,用户中同样存在正常用户和恶意用户。本文依据定义的五个信任等级分别从云服务提供商和第三方机构角度对用户进行相似性度量,将相同等级的用户归为一类。当用户发出云服务请求时,可根据用户等级进行差异化云服务推荐。本文对构建的推荐方法进行实验验证,并与经典证据理论方法进行对比,结果表明,基于凸函数证据理论的云服务信任模型的有效性和健壮性得到了保证。除此之外,本文模型充分利用了云计算系统中云服务之间的关联信息,对关联性强的云服务提供商具有较好的甄选作用,能够根据用户的需求提供合理的云服务。