Mecanismos de reputação são utilizados para aumentar a confiança e o desempenho de sociedades virtuais. Diferentes modelos de reputação descentralizados foram propostos baseados em interações entre agentes. Cada agente de software é capaz de avaliar e armazenar as reputações dos agentes com quem eles interagiram e também podem testemunhar a outros agentes sobre tais reputações. As desvantagens principais de tais abordagens quando aplicadas em sistemas multi- agentes abertos e de larga escala são a dificuldade de estabelecer interações repetidas entre os agentes, a inviabilidade, em algumas situações, do processo de busca por testemunhas, o fato de a reputação ser influenciada pelo ponto de vista de um outro agente e o fato de que os agentes podem não estar dispostos a testemunhar colaborando com agentes concorrentes. Esta dissertação propõe um modelo de reputação híbrido, reunindo características de abordagens centralizada e descentralizada para superar tais problemas. As reputações são providas pelos próprios agentes de software mas também por subsistemas centralizados que podem ser facilmente acessados por qualquer agente e podem fornecer reputações seguras baseadas em testemunhos sobre comportamentos indesejados dos agentes, caracterizados pelas violações de normas do sistema. Tais subsistemas centralizados são instâncias do framework proposto, que flexibiliza as fórmulas de cálculo da reputação, o tempo de atualização da mesma e permite criar novos tipos de reputações relacionados a contextos diferentes.