近年来,云计算已经成为通过互联网技术按需提供平台、软件和基础设施服务的最有前景的计算模式之一。鉴于其具有虚拟化、可扩展性、低成本、即用即付、不受时间和空间限制等特点,多样化的云服务吸引越来越多的中小企业和个人建立业务系统或个人应用。用户需要访问云中存储的虚拟服务资源,传统的基于“硬安全”的信息安全技术难以覆盖其安全边界,因此,信任作为一种“软安全”技术被引入到云服务的安全防范策略中,以补充和改善云环境的安全管理问题。由于个人需求的差异性及云环境的动态性,基于信任的云服务的评估、选择及推荐仍然是一个难题,比如信誉系统的“冷启动”问题,云服务性能表现的上下文依赖性,信任评估的信息来源单一,信任度量的不确定性,节点恶意评估信息的抑制,相似推荐者的识别等问题的研究仍然存在欠缺。由于信任的模糊性、不确定性及云环境的动态分布性,本文采用不确定性理论来研究云服务的信任评估优化及预测问题。主要的研究工作如下:(1)为了更好地阐述信任的上下文依赖性及主观性,信任被分解为多个用户自定义的不同重要程度的可信属性,同时,由于云服务性能表现的不稳定性以及信任的模糊性、不确定性问题,采用概率语言术语集(probability linguistic term set,PLTS)作为云环境中信任描述的方式,并将推荐者评估意见的动态可靠性及相似性作为推荐者权重信息,建立灵活可扩展的结构化的云服务信任评估决策框架。(2)为了解决云服务的动态性及恶意推荐信息的抑制问题,从客观及主观角度两方面建立可扩展的信任评估模型,采用云模型理论分别从属性的平均值、变化范围及变化频率三个方面度量属性的整体性能。基于客观属性评估云的相似性来识别推荐者,并将推荐者的客观评估信息作为基准过滤恶意的或者偏差的主观评估信息,同时,建立各属性的信任等级云(基云),用于衡量各属性评估云的信任水平,采用数据融合规则聚合推荐者的信任评估信息,得到目标云服务的最终的综合信任评估水平。(3)由于服务的过载特性,大量具有相似功能的云服务的出现,用户不可能调用所有的云服务。因此,准确的对未知的服务性能(quality of service,Qo S)预测是云服务信任评估的一个核心问题。本文提出云服务的Qo S预测模型,该模型充分利用用户对特定服务的多值时序Qo S数据,综合考虑时序数据相似性及变化趋势一致性,识别出与当前用户具有相似情境的用户集合,进而采用帕累托优势理论,过滤较弱的用户,保留占优推荐用户,实现对缺失Qo S的准确预测,为云服务的信任评估与选择提供全面准确的数据支持。(4)为了解决新注册服务实体的声誉预测难题。提出了新注册服务实体的声誉启动机制,采用基于模糊理论的决策试验和评价实验室(Decision-making Trial and Evaluation laboratory,DEMATEL)方法识别对服务实体声誉有影响的关键决定因素(critical success factors,CSFs),并采用神经网络方法建立实体的CSFs与声誉值之间的映射关系,从而实现新注册实体的声誉值的预测。