P2P网络是近年来业界研究和关注的一个焦点,它在很多领域都得到了应用,未来发展的空间很大。但由于P2P网络的开放性和匿名性,各种恶意节点的恶意行为层出不穷,严重影响了网络的正常运行。因此,如何在P2P网络中识别出恶意节点,抑制和杜绝节点的恶意行为成为目前信任机制研究的一个热点。本文在研究借鉴国内外信任机制的典型解决方法的基础上,以分布式环境下信任度评价算法的改进为主线索,给出了一套包括信任度评价计算、信任数据管理、安全策略三部分的信任模型解决方案。并对模型的性能和效果进行了仿真实验和分析。模型采用了多个参数来模拟网络中的交易行为,通过计算节点的综合信任度来估计节点未来可能的交易行为。动态地平衡个人的“直接交易历史”与他人的“诚实推荐”二者在计算综合信任度中的权重比例,提出了一种基于历史与诚实推荐的HHRB-TM(History and Honest Recommendation-Based Trust Model )信任度评价算法,能真实有效地计算节点综合信任度。明确区别了交易信誉和推荐信誉,并且通过计算节点评价反馈偏移度来直接估算节点的推荐信誉,避免了迭代计算,使得实现过程更加简单,并能有效地识别不诚实反馈和抵抗恶意的联合攻击。利用Chord机制,提出了本模型的分布式实现策略,保证了信任数据的安全存储和访问,同时增强了P2P网络中交易的匿名性和安全性。针对现有的P2P网络中的潜在安全问题,提出了能抑制冒名、诋毁和协同作弊的安全解决策略,并进行了可信度算法的扩展。将改进的信任度评价算法与目前几种基于推荐的信任度评价算法用仿真实验进行了比较,结果表明,改进的信任度评价算法具有较好的准确性、安全性和实用性。