虚拟计算环境建立于开放的网络基础设施之上,通过汇聚互联网络中的计算资源、存储资源、网络资源等实现泛在、智能的公用化计算平台。作为一种新的实现形式,虚拟计算旨在为用户提供方便、快捷和有效的应用环境,为应用提供和谐、高效、可信的一体化服务支撑。与传统计算环境不同,公用环境网络资源的无序增长、高度自治和异构等特性,以及海量应用呈现出复杂、难以预知、多样等趋势,这些因素直接影响了虚拟资源与应用任务之间的精准匹配,并对构建公用环境下的可信服务产生制约。针对当前虚拟计算环境下的资源匹配问题,以及虚拟计算环境综合实验平台的运行情况,本文通过构建开放的信任评估框架,对虚拟资源与任务采用先聚类分析后信任评估的方法,展开了公用环境下面向资源匹配的信任评估关键技术研究,并取得了一系列具有理论与实践价值的创新性研究成果。其中,主要研究工作和创新成果体现在以下四个方面:（1）提出了一种虚拟计算环境下面向资源匹配的信任评估框架。首先,结合虚拟计算环境的基本理论与体系结构,深入分析资源匹配中的信任需求;其次,基于科学评价和信任管理理论,采取明确评估目标、选取评估对象、建立评估指标、确定评估权重等基本过程作为综合评价思路,并在评估指标权重设置中,采用层次分析法形成层次结构,建立综合评估模型;最后,针对资源匹配对象,即虚拟资源与任务的在线注册与线上运行两大过程,分别从虚拟资源的身份、能力、行为,以及任务的身份、需求与消耗等多个层面构建开放的信任评估框架,并给出了先聚类后信任评估的研究方法,为提供高效、可信的一体化服务奠定了理论基础,并为资源匹配优化的后续研究提供了坚实的理论依据。（2）提出了 一种基于资源匹配参数的聚类模型。该模型为解决资源匹配的精准与效率问题,运用机器学习理论,深入挖掘虚拟资源与任务多维参数对资源匹配的影响。该算法以服务为驱动,依据资源配置、服务质量、实际资源消耗等方面,通过特征提取获得与虚拟资源或任务各自相关的特征属性,将虚拟资源与任务分别进行聚类分析。在任务聚类中,以任务需求、消耗等特征属性作为聚类参数,对不同需求下的任务进行分类预处理,并基于改进的DBSCAN算法实现任务聚类分析;在虚拟资源的聚类模型中,融合资源负载对资源匹配的制约因素,基于改进二分K均值算法实现了虚拟资源的聚类分析。该聚类模型对资源匹配效率及精准度的改进提供了有利条件,有效提升了虚拟计算实验平台的适用性。（3）提出了一种虚拟资源与任务的信任评估模型。在虚拟计算环境下面向资源匹配的信任评估框架这一研究成果的基础上,融合了虚拟资源与任务整个运行周期中的不同信任评估层面,即对身份信任、能力信任、行为信任、需求信任、消耗信任等多维视角进行评估,并结合了时间衰减函数、奖惩函数等公式对信任度进行计算。此外,该模型可以在虚假服务、对外虚假服务与恶意服务等情况下具有良好的有效性,确保较高的任务执行成功率,进一步提高了资源匹配的实用性。（4）提出了一种虚拟计算环境下基于聚类与信任评估的资源匹配优化策略。资源匹配是实现按需聚合、自主协同机制的基础,是提高服务质量与资源利用率,以及实现服务可信等一系列目标的关键点。该资源匹配优化策略先通过虚拟资源与任务的预分类、聚类分析,建立以类别为区分的匹配搜索范围;而后,基于信任评估框架与信任评估模型的研究成果,即获取不同类别中虚拟资源与任务的信任评估值来实现快速、精准的资源匹配,并优化了资源匹配后的任务执行成功率与任务完成时间,具备重要的现实意义和广阔的应用前景。