随着Internet的迅速发展和普及,P2P网络技术逐渐成为业界研究和关注的一个焦点,它在文件共享、分布式计算、协作系统、深度搜索引擎、电子商务等领域得到了广泛的应用,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。此外,网络中还存在着大量的“搭便车(Free-Riding)”用户,他们在获得系统服务的同时却不愿做出贡献,造成了网络性能的降低。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,激励节点之间有效合作并合理使用网络资源成为目前信任机制研究的一个热点。本文在研究信任机制的典型解决方法和激励机制的基础上,参考了人类社会交际网络中的信任关系,提出了一个基于分级推荐的信任模型和适用于此模型的基于区分服务的激励机制。该模型采用量化的方式对信任进行评估;通过对相关的节点的历史信息的搜集、分析,将信任分为直接信任和推荐信任,并将推荐信任细化为“朋友”节点推荐信任和“陌生人”节点推荐信任,三者结合计算出交易节点的综合信任度,作为交易决策的依据。本文设计的激励机制,采用了“区分服务”的思想,而区分服务的标准来自于在推荐模型的基础上,设计的两个激励的度量:全局信誉贡献度和全局流量贡献度。全局信誉贡献度是对节点的提供共享的文件的质量的度量,全局流量贡献度反映的是节点对所有节点的流量贡献。实验表明该信任模型具有较好的准确性、安全性和实用性,对恶意节点的攻击具有较好的抵抗性。该激励机制,可以促进节点积极参与网络活动,共享资源,有效的抑制“搭便车”现象的发生。