在受信任的对等（P2P）应用程序中需要凭据链，其中必须在特定角色级别的每对对等之间建立信任委派。 基于角色的信任是从大多数信誉系统中使用的粗粒度信任模型中提炼出来的。 本文提供了一种新颖的启发式加权方法，以选择最可能的路径来构建基于角色的信任链。 我们应用对历史敏感的启发式方法来测量路径复杂度并评估链接效率。 我们使用加权目标，链接角色和交点边缘来自适应地发现信任链的连续边缘，以适应各种P2P应用程序的需求。开发了新的启发式链接算法，用于向后，正向和双向发现信任链。 我们的启发式链发现方案缩短了搜索时间，减少了内存需求，并提高了可扩展P2P网络中的链接精度。 考虑在N个凭据和M个不同角色节点上的信任图。 如果同时应用了主要启发式和次要启发式，则我们的发现算法需要O（N2logN）搜索时间和O（M）内存空间。 Li，Winsborough和Mitchell（2003）开发的相应非启发式发现算法大大降低了O（N3）搜索时间和O（NM）空间需求。 我们的分析结果已通过对典型类别的基于角色的信任图进行的广泛模拟实验验证。
