Zaufanie do świadczenia to zaufanie strony do usług lub zasobów udostępnianych przez usługodawcę. Ta klasa zaufania jest najbardziej odpowiednia dla zaufania, które chcemy ustanowić w TMS do przetwarzania w chmurze. Spanoudakis i LoPresti w swoim artykule zajmują się zaufaniem zaopatrzenia w SOA. Autorzy zwracają uwagę, że przy obliczaniu zaufania należy brać pod uwagę zarówno subiektywne, jak i obiektywne informacje. Informacje subiektywne to rekomendacje i opinie innych użytkowników, a informacje obiektywne to informacje o zachowaniu i jakości usługi uzyskiwane w trakcie działania. W przedstawionym w artykule modelu koncepcyjnym zaufanie do usługi zależy od dowodów zebranych przez monitorujących. Monitory składają się z zasad i założeń, na podstawie których TMP mają być gromadzone jako dowody. Dowody są dwojakiego rodzaju, subiektywne i obiektywne. Każdy dowód jest jednak powiązany z kontekstem i jest ważny tylko w tym kontekście. Zaufanie jest zatem obliczane przez stronę trzecią i rozprowadzane w kartach zaufania. Karta zaufania staje się certyfikatem zaufania, gdy strona trzecia przyjmuje za nią odpowiedzialność prawną. Oparta na agentach mobilnych technika oceny zaufania w usługach internetowych została omówiona w ref. [9]. Autorzy przedstawiają swój model w artykule, na który składa się serwer Web Service Agent Framework (WSAF). Serwer WSAF działa jako pośrednik między dostawcami usług a klientami. Agenci rezydują w WSAF i pośredniczą w obsłudze klienta. Udostępnia klientowi ten sam interfejs co dostawca usług, ale także monitoruje usługę. W artykule przedstawiono wykonalny model agenta mobilnego; brakuje mu jednak kompletności, ponieważ uwzględnia tylko zgodność z SLA. Klienci usługi i dostawcy usług dostarczają serwerowi WSAF swoje zasady i umowy SLA w postaci plików XML w predefiniowanym schemacie z predefiniowanymi atrybutami. Gdy użytkownik prosi o usługę, serwer WSAF dopasowuje najlepszego możliwego dostawcę usług do zasad XML dostarczonych przez użytkownika i ujawnia użytkownikowi interfejs dostawcy usług. Model podany przez Habib umożliwia konsumentom identyfikację wiarygodnych i godnych zaufania dostawców chmury. Zaufanie, którym mają do czynienia autorzy w artykule, to zaufanie tymczasowe. Zaproponowali wieloaspektową architekturę TMS dla rynku przetwarzania w chmurze. Analizują różne atrybuty zaufania w chmurze, takie jak bezpieczeństwo i zgodność wydajności, które są oceniane przez wiele źródeł informacji i opracowują schemat zarządzania zaufaniem, aby pomóc w wyborze godnego zaufania dostawcy chmury. Biorą pod uwagę informacje ilościowe i jakościowe w celu uwzględnienia w TMS. Aby to zrobić, używają pewnego zaufania i określonej logiki jako podstawy miernika zaufania. Przy pewnym zaufaniu modeluje się wiarygodność podmiotu na podstawie opinii, które wyrażają przekonanie, że dana propozycja jest prawdziwa. Każda opinia jest modelowana jako krotka wartości, o = (t, c, f), gdzie t oznacza średnią ocenę, c niepewność związaną ze średnią oceną, oraz f początkowe oczekiwanie przypisane prawdziwości stwierdzenia. Schemat zarządzania zaufaniem obejmuje menedżera rejestracji, w którym dostawcy usług w chmurze rejestrują się, aby móc działać jako sprzedawcy na rynku chmury. Następny jest silnik kwestionariusza oceny konsensusu, który umożliwia dostawcom chmury wypełnienie kwestionariusza CAI poprzez zapewnienie intuicyjnego interfejsu graficznego za pośrednictwem RM. Następnie jest menedżer zaufania (TM), który pozwala użytkownikom chmury określić swoje wymagania i opinie podczas uzyskiwania dostępu do oceny zaufania dostawców chmury. Odbywa się to poprzez udostępnienie im interfejsu sieciowego opartego na sieci Web. Po nim następuje to, co autorzy nazywają zaufaniem silnik semantyki (TSE), który modeluje konfigurację terminów logiki zdań (PLT), które są uważane za zaufane zachowanie dostawcy usług w chmurze pod względem określonego atrybutu. Następnie mają silnik obliczania zaufania (TCE), który składa się z operatorów takich jak AND, OR i NOT, używanych w PLT do obliczania odpowiednich wartości zaufania. Wreszcie mają silnik aktualizacji zaufania (TUE), który umożliwia zbieranie opinii z różnych źródeł i korzeni. Noor proponuje strukturę Trust as a Service (TaaS), aby ulepszyć sposoby zarządzania zaufaniem w środowiskach chmurowych. Wprowadzają adaptacyjny model wiarygodności, który rozróżnia wiarygodne informacje zwrotne o zaufaniu od złośliwych informacji zwrotnych, biorąc pod uwagę możliwości konsumentów usług w chmurze i konsensus większości co do ich informacji zwrotnych.ch struktura, która koncentruje się na zaufaniu do udostępniania, jest zbudowana przy użyciu SOA do dostarczania TaaS. W szczególności ich struktura wykorzystuje usługi sieci Web, aby objąć kilka rozproszonych węzłów TMS, które pomagają kilku klientom w przekazywaniu informacji zwrotnych. Ramy wykorzystują system rekomendacji i informacji zwrotnych do budowania zaufania. Innymi słowy, używają subiektywnej struktury logiki. Zbieranie i ocena informacji zwrotnych o zaufaniu polega na dostarczeniu użytkownikowi tożsamości podstawowej, dostawcy CSP – tożsamości, zestawu informacji zwrotnych o zaufaniu oraz zagregowanych informacji zwrotnych o zaufaniu ważonych według wiarygodności. Każda informacja zwrotna dotycząca zaufania jest znormalizowana i reprezentowana w postaci liczbowej od 0 do 1, gdzie 0 oznacza negatywną informację zwrotną, 1 oznacza pozytywną, a 0,5 oznacza neutralną informację zwrotną. Punkt odniesienia jest obliczany na podstawie konsensusu większości, gdzie wiek klienta pod względem liczby dni, w których aktywnie korzystał z usługi w chmurze, jest brany pod uwagę przy określaniu wiarygodności oceny opinii. Autorzy w dużej mierze opierają swoje wyniki eksperymentalne na informacjach zwrotnych online uzyskanych przez epiniony