Obliczeniowe modele zaufania ostatnio zwróciły uwagę wielu badaczy , w wyniku czego wiele modeli zostało umieszczonych w literaturze w oparciu o techniki, takie jak analiza statystyczna, przewidywanie lub analiza ograniczeń, teoria gier, teoria rozmyta i uczenie maszynowe. , i tak dalej. Ogólnie rzecz biorąc, modele te można sklasyfikować jako jeden z dwóch typów: (1) modele egzekwowania i (2) modele predykcyjne. Modele egzekwowania próbują wymusić na podmiotach godne zaufania zachowanie poprzez przyznanie nagrody lub kary, podczas gdy modele predykcyjne próbują przewidzieć zachowanie podmiotów w celu wybrania godnych zaufania podmiotów behawioralnych. Głównymi zidentyfikowanymi źródłami informacji są zapisy interakcji zachowań jednostki w przeszłości zebrane jako bezpośrednia interakcja (informacje z pierwszej ręki) i jako informacje o świadkach (informacje z drugiej ręki). Model zaproponowany wykorzystuje wyłącznie informacje z pierwszej ręki do prognozowania zaufania, argumentując, że informacje ze skierowań sprawiają, że model jest podatny na ataki ze względu na złośliwy charakter rekomendujących. Jednak w systemach zorientowanych na usługi, w których nie ma centralnej jednostki kontrolnej i gdzie dynamizm (wchodzenie i wychodzenie w dowolnym momencie) podmiotów utrudnia podmiotowi uzyskanie odpowiednich informacji o podmiocie współdziałającym, informacje o skierowaniu odgrywają znaczącą rolę. Niektóre modele oparte na informacjach o świadkach to SPORAS, REGRET, system reputacji Beta, skierowanie, FIRE , TRAVOS, Repage i CRM , które pozwalają oddziałującym podmiotom na wzajemną ocenę swoich działań również na podstawie informacji o świadkach. W szczególności za każdym razem, gdy żądająca jednostka wchodzi w interakcję z dostawcą, przypisuje ocenę do każdego atrybutu, na podstawie którego jest oceniany dostawca. Później wiarygodność dostawcy jest obliczana jako średnia ważona indywidualnych ocen interakcji na podstawie informacji bezpośrednich i pośrednich. Dla każdego z określonych modeli waga przypisana każdej ocenie jest inna. Na przykład może opierać się na czasie lub relacji zaufania istniejącej między podmiotami i wielu innych. Algorytm agregujący zalecenia nie zajmuje się efektywnością czasową dowodów bezpośredniej interakcji, ale wykorzystuje relacje zaufania jako ważną wagę. Podczas zbierania zaleceń z skierowań istnieje czynnik niepewności i różni badacze próbowali różnie podchodzić do tej niepewności w zależności od używanego systemu. Koncentrując się jedynie na modelach opartych na logice rozmytej, wykorzystywanych do rozwiązania tego problemu, w literaturze można znaleźć kilka modeli; Ramchurn i inni opracowali model oparty na reputacji i zaufaniu oraz wykorzystali logikę rozmytą do oceny interakcji, podczas gdy model opracowany przez Shuqin i inni stosuje logikę rozmytą do oceny zaleceń. Castelfranchi i inni opracowali społeczno-poznawczy model zaufania wykorzystujący rozmyte mapy poznawcze. Rozróżniając atrybuty wewnętrzne i zewnętrzne, model uwzględnia również zmieniające się zachowania agentów. Song i inni zaproponowali model zaufania oparty na logice rozmytej do zabezpieczania zasobów sieci poprzez aktualizację i propagowanie wartości zaufania w różnych lokalizacjach. Później model jest symulowany na danych eBay i wykazał, że jest bardziej skuteczny niż zaufanie własne. Ramy oparte na logice rozmytej służące do podejmowania decyzji o wyborze partnera biznesowego proponują Schmidt i inni. W szczególności rozmyta ,wykonywana jest oparta na logice, dostosowywalna integracja modelu zaufania z procesami pointerakcji, takimi jak przeglądy interakcji i dostosowywanie wiarygodności. Model PATROL-F jest proponowany dla zaufania opartego na reputacji, obejmującego rozmyte podsystemy, które mogą być używane w dowolnym systemie rozproszonym. Tu omówiono opartą na zaufaniu platformę wieloagentową, zaprojektowaną i wdrożoną w celu rozwiązania problemu związanego z wyborem dostawców usług w systemach zorientowanych na usługi.