با گسترش نرم افزارهای نظیر به نظیر و کاربردهای متفاوت آن در به دست آوردن و اشتراک منابع اطلاعاتی، گره های بدخواه نیز گسترش یافته اند. به منظور مقابله با گره های بدخواه نیاز به سیستم مدیریت شهرتی است که با کارکرد و کارایی بالا، بتواند علی رغم تعداد زیاد گره ها، پشتیبانی آنان را بر عهده بگیرد. اما توزیع شدگی کامل اعضا در شبکه-های نظیر به نظیر، مدیریت شهرت شبکه را با مشکلاتی از قبیل چگونگی جمع آوری، نظارت و محاسبه ی شهرت اعضا و ترافیک بالای تولید شده، روبرو می سازد. یکی از روش هایی که با توجه به ویژگی های استحکام و مقیاس پذیری آن، برای تجمیع سریع و صحیح شهرت در شبکه ی نظیر به نظیر بسیار مناسب می باشد، استفاده از الگوریتم های توزیع شده ی شایعه، است. یکی از مدل هایی که تجمیع شهرت را با کمک مفهوم شایعه اجرا می کند؛ gossiptrust می باشد. علی رغم اهمیت و برتری این روش، افزایش تعداد گره ها در شبکه، مشکلاتی را از لحاظ زمان اجرا و دقت نتایج ایجاد می نماید. حرکت شبکه های نظیر به نظیر به سمت اجتماعی شدن منجر به ایجاد مفهوم گروه های کاربری در شبکه های نظیر به نظیر شده است. در مدل پیشنهادی، راه حلی گروه محور و نیمه متمرکز برای تجمیع شهرت ارائه شده است. در مدل تجمیع شهرت گروه محور، الگوریتم gossiptrust به جای اجرا در کل شبکه، به طور جداگانه و هم زمان در هر گروه و در بین اعضای همان گروه اجرا می شود. در نتیجه تعداد گره های شرکت کننده در هر اجرا نسبت به اجرا در کل شبکه بسیار کاهش می یابد. به علت کاهش تعداد گره های شرکت کننده در عملیات تجمیع و تبدیل گراف ارتباطی ضعیف به گراف قوی پیش از شروع تجمیع، الگوریتم gossiptrust سریع تر اجرا می شود. این مدل به کمک نرم افزار matlab پیاده سازی شده و مجموعه داده های اجتماعی blogcatalog به عنوان گراف داده ها برای گروه بندی و زیرساخت ارتباطی اعضا بکار رفته است. سرعت تجمیع شهرت، میزان صحت و دقت مقادیر شایعه و میزان شهرت گره های بدخواه در مدل پیشنهادی با مدل gossiptrust مقایسه شده است. نتایج حاصل از پیاده سازی و ارزیابی سیستم نشان می دهد که روش ارائه شده، کاهش عواملی مانند ترافیک، تعداد پیام های تبادل شده، حجم ذخیره سازی پیام ها و زمان محاسبات برای تجمیع پیام های دریافتی را به دنبال خواهد داشت.