最近几年，社交网络如雨后春笋般快速发展，社交网络的开放性，互动性和娱乐性使得用户数量急剧增长，同时也伴随着大量恶意用户，这些用户对社交网络中正常用户是巨大威胁，研究社交网络中用户间信任度变得越来越重要。　　 信任是人际关系的基石，也是人们交流的基础，已有很多社交网络中用户间信任度研究，这些研究主要关注不相邻用户，提出的模型都基于一个假设:社交网站中相邻用户间信任度已知，即已经存在信任网络，而且相邻用户间信任度可以通过评分系统获得。然而，像Facebook、Twitter、人人网这些新型的社交网络中不存在评分系统，用户也不愿意公开评价自己的朋友，这使得只关注不相邻用户间的信任模型不能被很好地应用于社交网络。　　 本文主要研究社交网络中相邻用户的信任度量问题，在深入调研和分析各种形态的社交网络信任度量的方法和成果后，提出了一种新的相邻用户间信任度量模型AUTrust，该模型将影响用户间信任的因素分为三个维度:用户间相似度、用户间亲密度和用户的社会信誉。通过后两个维度能够反映用户间信任度的不对称性和主观性，比较真实地体现了社交网络和现实生活中信任的特点。对于这三个维度，首先给出定义，然后分别给出了在社交网络中的量化方法和影响因素的选取。将影响用户间相似度的因素分为单值型属性和多值型属性，用户间亲密度主要从社交网络结构和用户间互动行为计算，对于微博中用户的社会信誉可以从粉丝数量、博文质量、粉丝/关注入比等因素计算。　　 使用AUTrust模型计算出相邻用户间信任度后。本文提出了信任社区构建算法，信任社区中的用户被其邻居视为可信任的，算法复杂度为O(e)。　　 本文在百万用户级的腾讯微博数据集上进行了实验，微博是典型的社交网络，验证了模型和算法的实用性和普适性，然后给出实验结果的分析。最后设计和实现了信任社区可视化工具，能形象地展示信任社区的动态变化过程。