近年来,随着计算机网络的快速发展,移动对等网络(Mobile Peer-to-Peer Network,移动P2P网络)网络由于其动态性、自治性和匿名性的特点,使其在文件共享、实时通信、分布式计算和分布式存储等方面大放异彩。但是在移动P2P网络中,节点间可以进行自由交易,并且节点经常连接并离开网络,这将动态地改变网络拓扑。因此,在选取超级节点时,必须要考虑到超级节点的可靠性和稳定性。现有的移动P2P网络的信任模型可以解决网络中的一些安全问题,但是随着网络的进一步发展,大大增加了信任模型在网络的计算量、存储量以及网络通信等方面的开销,对信任模型的进一步应用产生了巨大的影响。本文以此课题为出发点,对分布式非结构化的移动P2P网络中的节点聚类方式和恶意节点攻击问题进行深入探究,提出改进后的信任模型。具体研究内容如下:1.针对移动P2P网络中的相邻节点在物理位置上不一定相邻导致相邻节点间的信息延迟较大的问题,结合兴趣相似节点间交易概率比较大的情况,给出一种基于动态分组的超级节点选取机制(Dynamic Grouping-based Super Node Selection Mechanism,DGSM)。该机制考虑节点的兴趣向量相似性和物理拓扑中节点间的距离两个因素进行节点的动态分组,然后根据阈值过滤算法和节点综合能力计算选出每组的超级节点群组和备选超级节点集合。最后根据每组的超级节点负载情况动态更新该组的超级节点群组。实验结果表明通过该机制选出的超级节点在一定程度下,提供了较低的信息检索延迟,改善了移动P2P网络中资源定位成功率。2.针对多种恶意节点对于信任模型的攻击,使得信任模型对于节点信任值计算的准确度降低,导致信任模型中节点间交易成功率降低的问题。在动态分组的前提下,给出一种基于激励机制的信任模型(Trust Model based on Dynamic Grouping and Incentive Mechanism,DGIMTrust)。模型将节点间的信任关系分为组内节点间的信任和组间节点间的信任,并给出了两种不同信任的计算方式。为了遏制恶意节点对系统的危害,在信任计算时通过相对信誉差激励节点进行合作并惩罚恶意节点,并且使用反馈信息过滤算法通过检测所有节点反馈的相关性来消除虚假、不公平的反馈。实验结果表明,本模型能够有效抵御常见恶意攻击方式对模型的攻击,有效提高网络中资源交易成功率。