7.4.1 D-S行为信任值计算方法
云计算环境下对于实体Ei与实体Ej，当实体之间发生了n次交互后，令实体Ei对实体Ej的信任证据为
，其中
为最近一次的信任证据，
为最早一次的信任证据。可以根据任何一次行为证据
计算得到对应的行为信任值
。使用D-S证据理论计算行为信任，这里先给出几个重要的数学定义。
定义7-10 样本空间Ω：D-S证据理论是基于互斥且穷举的有限命题所构成的集合Ω，Ω称为样本空间。2Ω是Ω的幂集，是基于识别框架Ω的所有可能命题的集合。定义7-11 概率分配函数m：设函数m：2Ω→[0，1]，且满足：
则称m是2Ω的概率分配函数，m（A）称为A的基本概率数。
定义7-12 信任函数Bel：设函数Bel：2Ω→[0，1]，且
Bel又称为下限函数，Bel（A）表明对命题A的真实信任度。
定义7-13 似然函数Pl：设函数Pl：2Ω→[0，1]，且
P又称为上限函数或不可驳斥函数，P（A）表明对命题A的非假信任度。
在LBCTM中，将Ω定义为{T，-T}，T和-T代表两种互斥且穷举的状态，即可信与不可信。因此2Ω为{∅，{T}，{-T}，{T，-T}}，其中组成元素分别代表“不可能事件”“实体可信”“实体不可信”“不确定”四种信任状态。信任函数Bel与似然函数Pl的关系如图7-7所示。
图7-7 信任函数Bel与似然函数Pl的关系
因此，在LBCTM中，实体的行为信任度可以用三元组表示（m（{T}），m（{-T}），m（{T，-T}））。其中，m（{T}）表示信任证据对实体可信的支持程度，m（{-T}）表示信任证据对实体不可信的支持程度，m（{T，-T}）表示信任证据对实体可信的不确认程度。存在Bel（{T}）=m（{T}），Pl（{T}）=Bel（{T}）+m（{T，-T}）的关系。
由定义7-1可知，信任证据
，是从m个独立且不同的角度获得的关于实体可信度的模糊估计。因此，将这m个角度的证据融合后就是由信任证据
获得的本次交互行为对应的行为信任。
定义7-14 正交和：设m1和m2是两个概率分配函数，其正交和m=m1⊕m2为
其中
因此，可以通过Dempster证据组合规则将信任证据
中m个角度的证据融合，获得实体Ei与实体Ej在交互过程中产生的行为信任值
。
进而可以获得实体Ei与实体Ej的行为信任向量
。