自P2P(Peer-to-Peer)出现以来,一直都是Internet上的研究热点。和传统的Client/Server模型相比,P2P能够有效提高网络中资源的利用率。然而,P2P网络的开放、匿名、节点自治等特点使得其缺陷逐步暴露出来,恶意节点传播病毒、共享质量不可靠的文件、滥用资源等。同时,节点所拥有的资源缺乏有效的保护,存在被窃取的可能。这些安全性问题严重制约了P2P网络的发展。随着P2P网络中安全问题的凸显,促使了对P2P网络中信任管理问题的研究。信任管理是一种能够维护整个系统可信性水平,并鼓励网络中节点之间诚信合作的行之有效的方法。本文主要对基于信任值的P2P网络信任模型进行研究,主要贡献有如下两点:(1)为提高信任模型对恶意节点的抑制能力,特别是日益增加的自私节点,提出了基于双重属性值的分组P2P信任模型(Grouping P2P Trust model Based on Dual Attributes,TBDA)。TBDA利用模糊推理规则结合信任值和贡献值将网络中节点划分为若干不同等级小组,利用小组等级限制节点的资源访问权限。直接信任度的计算中引入时间衰减函数反映节点间信任值的实时情况,并通过惩罚因子对节点的恶意行为进行惩罚;推荐信任度的计算中结合小组等级计算推荐节点可信度能有效降低算法的复杂度。由仿真数据分析可以看出,该模型能有效抑制恶意节点的攻击。(2)在P2P网络初期阶段,如果震荡攻击和共谋攻击频繁发生,现有信任模型对恶意攻击的抑制能力明显不足。为了改善上述问题,提出了一种有效抑制震荡节点和共谋节点P2P信任模型(an effective Preventing Concussive nodes and Collusive nodes Trust model in P2P networks,PCCTrust)。首先,为了在计算直接信任度时惩罚因子可以根据节点震荡攻击行为的改变而改变,结合计算机网络中拥塞控制的思想,“加法增长/乘法减少”,引入了自适应惩罚因子;其次,为了防止P2P网络初期请求节点在选择服务节点时过于依赖一般信任模型计算出的信任值而导致交易成功率过低,学习智能算法中通过随机因子跳出局部最优,在初期的P2P网络中引入一个信任值的可靠性参数—信誉因子;最后,本文在推荐信任度的计算中也引入了一个惩罚因子来降低震荡节点的推荐信任值。仿真分析表明,改进的信任模型能够有效缩短系统收敛时间和提高系统交易成功率。