在一些基于社交网络的电商平台上，例如ThisNext和Epinions，一个买家可以在社交网络中同其他买家分享他/她的商品评价。如果一个买家提供了高质量的评价信息，他/她就能够影响大量参与者的购物行为。然而，不诚信的参与者可以通过一些典型的攻击方式，例如Constant、Camoufl age以及垃圾场，来欺骗现有的社会影响力评估模型，最终获取虚假但很强的影响力。因此，提出健壮的影响力评估模型是非常紧要的，以此抵御这些典型攻击、获取更为准确的影响力结果。本文提出了两种影响力者查询算法，即基于权重的影响力者查询算法WBIF和基于Skyline的影响力查询算法SBIF。这两种影响力者查询算法提取了四种影响力因子用以计算影响力。实验结果表明，影响力查询方法能够成功抵御Constant与Camoufl age攻击。另外，本文考虑更为完整的社交背景来衡量影响力，并提出一种面向信任的影响力计算方法TOSI获取更加准确的影响力值，这种方法可以用来抵御垃圾场攻击。最终，多组实验验证了本文的两种影响力者查询算法和TOSI方法。针对WBIF和SBIF查询算法，基于真实数据集Epinions，本文在试验中通过和最新算法SoCap比较来验证算法的有效性和高效性。实验结果表明，WBIF和SBIF算法能够在更短的时间内查询到更为准确的影响力者。针对TOSI方法，我们在两个真实数据集上进行实验，并且验证了算法的收敛性、有效性、健壮性以及高效性。实验结果验证了TOSI算法的效果优于SoCap。