随着Web服务技术的进步,越来越多的企业会将自己的服务发布到网络上供用户使用。服务系统的可靠性预测是软件工程中较为活跃的研究领域之一。随着人们对服务系统可靠性需求的逐步提高,传统的面向单一服务系统的可靠性预测模型已经不能很好地满足实际需求。因此,跨项目的服务系统可靠性预测的研究具有较强的理论意义及应用价值。本文研究一种基于迁移学习的跨项目的服务系统可靠性预测技术,以支持和实现服务系统可靠性预测框架的跨领域迁移。首先基于Bi-LSTM神经网络在源项目内进行可靠性训练,再结合基于多核最大均值差异的方法来降低源项目和目标项目之间的分布差异,得到跨项目的可靠性预测模型,最终实现对跨项目的服务系统可靠性预测任务。为了验证模型的有效性,本文基于多组实验对比了不同因素对可靠性预测结果的影响,并与其它常用的基准方法作比较。通过对比试验证明,本文所提出的可靠性预测模型BLPT-MMD对于提高跨项目的服务系统可靠性预测结果存在显著优势。