随着云计算、社交网络等新兴技术的快速发展,人类社会的信息平台进入了新的时代。云平台提供了多种服务满足人们工作、生活的各种需求。伴随着移动智能终端的普及,用户的个人数据都储存在云端,数据处理也由云服务完成；移动智能终端的普及同样带来了社交网络的繁荣,人们可以随时分享自己的思想与活动以维持和扩大自己的交际群体。通过云平台管理信息再由社交网络将信息发布已然成为现代人重要的生活方式。然而云平台和社交网络具有的开放特性,让数据安全、隐私泄露等问题也日渐凸显。如何使人们在享受现代技术便利的同时,又不必担心自身利益受损害是迫切需要解决的问题。大量的研究表明信任是解决这些问题的关键。本文对在云环境和社交网络中现存的信任评估方案进行了全面的研究和总结,进而面对不同的应用背景提出与其相适应的信任评估方法。具体工作包括：(1)针对社交网络中现存的仅从经验或行为模式评估的直接信任评估模型提出了一种能够融合用户态度、交互经验以及行为模式的综合评估模型。通过对网络公开的twitter数据进行试验,验证了该模型能够适应社交网络的动态性与复杂性,并在准确度方面较现有的评估模型有更好的表现。(2)针对由信任的背景敏感性导致的在社交网络中难以有效评估用户间接信任值的问题,提出面向多交互背景的间接信任评估模型。该模型利用相关性概念,通过对各背景下网络结构和用户信任关系的综合分析建立覆盖在信任网络之上的相关性网络,进而利用交互背景的相关性计算跨背景用户的问接信任值。模型避免了多背景和疏散网络中间接用户的信任路径难以寻求,以及信任衰减对评估的影响,有针对性的为用户组建立相关网络,保证预测的准确性及合理性。通过对真实社交网络数据的实验,证实该模型不仅可以计算单一背景下用户的间接信任值,更适用于多交互背景下用户信任值的预测。与已有模型相比,评估准确度有较大的提高。(3)从网络的角度对云服务组合问题进行描述,用保证整个网络连通性的方式对保证服务功能的实现给出了解决方案。使用基于纯粹经验的信任模型描述服务网络中功能节点的可信度计算方法,并进一步推导出在服务网络中功能节点的平均可信度。最后参照随机图理论对于复杂网络中网络健壮性问题的分析方式,为大规模服务环境下可信的服务组合给出了保证条件。(4)在云环境下,服务使用者可能由于自身或服务推荐者错误的评价影响公正的选择。针对这一问题本文提出一种两层选择模型：第一层用户将自己的经验与群体的评价趋势作比对,优化自身的记录,生成更加可靠地经验信息；第二层用户由自己的偏好选出最符合需求的建议者。结果表明这种模型可以过滤掉恶意的或经验不足的评价者,并选择出符合用户行为模式的服务。