5G时代的到来,标志着车联网的发展迈入了新的征程,推动车联网在自动驾驶、交通路况优化管理、丰富智能的车载系统方向的发展,人们可以尽情享受着科技进步带来的便利。不可避免的是,车联网衍生的安全问题（虚假广播、入侵攻击、隐私泄露等）已经成为国内外学者的研究热点。信任管理机制可以有效地针对节点行为做出可靠性评估,能高效、准确地识别出入侵节点,并将其携带的虚假消息从网络中剔除。为了解决传统密码学与公钥基础设施的解决方案带来的巨大通信存储和证书管理开销以及部署成本较高的入侵检测系统解决方案依赖于数据集的局限性,基于信任管理的研究方案以其轻量、高识别率、低复杂度和低开销的优点被众多学者推崇,目前的信任管理方案大多集中在节点的当前行为,忽略了节点的过去行为。比较少的信任研究能在节点密度较低的区域,仍能获得较好的评估性能。针对以上问题,通过不同场景的建模分析,围绕车联网入侵节点的信任评估及检测展开深入研究。具体研究内容如下:（1）基于已有方案的不足搭建一种基于分散式的信任评估模型,该模型通过车辆历史及当前社交行为的收集与邻居集的建议评估目标节点可信度,并引入不同的入侵攻击类型,在不同入侵节点数量的情况下进行仿真实验,以验证提出模型的有效性。（2）提出一种基于模糊逻辑的直接信任评估方案,考虑质量指标、动能指标及合作指标三个因素实现直接信任评估,该方案即使在数据模糊或收集不完整的情况下,也能实现较高的信任评估准确率。（3）基于协同过滤算法理论,通过计算相邻节点的建议等级相似度实现节点的间接信任评估,并通过设立一组没有进行间接信任评估的实验来验证间接信任评估的有效性和必要性。