随着信息技术的迅猛发展,Peer-to-Peer (P2P)网络在协同工作、分布式信息共享、大规模并行计算等方面显示出了独特的优势,成为新的发展热点。P2P网络采用分布式结构,系统中的节点都同时扮演着客户端和服务器的角色。P2P系统具有的开放、匿名及点之间松耦合的关系等特性使得节点可以恣意散布非法内容,滥用网络资源,导致不可靠的服务质量及存在大量欺诈行为,同时加剧了系统的不安因素,所以在P2P系统中构建一个合理的信任管理模型是非常必要的。本文主要围绕P2P网络基于推荐的信任模型,从以下两个方面进行研究:在分析了传统基于推荐的信任模型的基础上,参考现实世界人际关系网络的特点,提出了基于内容相似度和推荐反馈计算节点推荐值的对等网络信用模型IPBS。该模型利用节点间的内容相似度来评价节点提供推荐服务的能力,根据每次交易的内容不同而改变节点间相似度值;实例验证了该方法加强了模型的动态适应能力和搜索服务的效率。根据推荐值的可信程度与时间相关的特点,提出了一种基于时间序列最近偏向技术的网络信任模型RBTM。该模型采用了时间序列可变分割法选取评价时间单元,同时引入了比较合理的时间衰减因子;并对新数据的加入做了详尽的描述;根据节点交易的历史时间信息、内容相似度和反馈评价值自适应动态地调整节点的推荐值;实例表明,该模型具有良好的扩展性和较低的运行开销。