目前,随着开放网络的发展,网络环境呈现出开放性、共享性、动态性等特点。开放的互联网环境为人们的网络生活提供了诸多便利,如网络购物、即时通讯、博客论坛等方方面面。互联网的快速发展在方便人们生活方式的同时也带来了众多隐患,虚假宣传、网络水军、恶意评论等,这些问题都是当前信任研究的重点和难点。当前,根据在信任领域中所使用的数学工具差别,主观信任模型主要分为两类:一种是基于概率理论的信任模型,另一种是基于模糊理论的信任模型。目前,大多数信任模型都是采用基于概率理论的信任模型,但是这种精确的数学模型无法体现出信任所具有的主观性和模糊性,并且这些模型只是静态的分析信任,忽视了信任具有动态性。针对以上问题,本文提出了三种主观信任融合模型,具体内容如下:第一:为了克服现有信任模型中对信任的动态性刻画不足的问题,在信任研究中引入人类认知因素。考虑交互过程作为影响认知的因素,根据模糊综合评判算法计算认知因子,并结合直接信任,间接信任以及信誉构建信任融合模型。这种信任模型结合人类的认知过程,将信任建立过程与认知过程相联系,很好的体现了信任的动态性。第二:针对信任具有模糊性的特点,综合考虑信任关系中诸多要素,提出了一种新的信任决策模型。该模型将朴素贝叶斯算法和模糊理论相结合,以直接信任、间接信任、信誉作为信任交互的特征属性,根据朴素贝叶斯理论利用先验条件概率计算获得信任交互结果的后验概率。模型将凭借交互结果的后验概率帮助信任主体进行决策分析。克服了概率统计信任模型的模糊性和不确定性不足的问题。第三:由于信任关系的主观性和不确定性,采用概率论等精确地数学工具描述无法反应信任的本质,而模糊理论非常适用于处理模糊、不确定信息。但是,在现有的基于模糊理论信任模型,都是根据实体喜好或经验值来分配权值,没有考虑信任随时间变化而变化的特性。模型利用层次分析法,根据信任各个因素之间在不同时间段的关系构建判断矩阵,并依据判断矩阵为各个因素分配权值,提出一种全新的动态权值分配模糊综合评判策略,并基于该策略建立主观信任融合模型。同时,针对开放网络中存在的恶意攻击行为,模型根据模糊理论格贴近度奖惩善意推荐和恶意推荐,降低交互风险。