针对实用拜占庭容错共识算法中存在缺少对恶意节点的惩罚机制、通信开销大、主节点选取安全性不足等问题，提出了一种基于信誉和标准差聚类的PBFT共识优化算法TSD-PBFT，旨在提高共识效率和安全性。首先，建立节点动态和静态结合的信誉评估模型，通过实时监测节点投票数和参与度来动态评估节点行为，并剔除恶意节点来提高整体共识效率和可靠性，同时通过周期性地重置高信誉值节点的评分，防止单一节点或小团体长期主导共识过程；其次，提出基于信誉和标准差的聚类算法，引入标准差逐步选取密度高且信誉良好的节点作为聚类中心，避免局部最优解。同时采用改进的K-medoids聚类算法将节点分组并形成两层，实现分层共识来降低共识过程的通信开销；最后，优化主节点选取方式，由聚类中心节点投票产生主节点，通过赋予信誉高且标准差低的节点更高的投票权重来降低恶意节点担任主节点的概率，提高主节点选取的安全性和公正性。实验仿真结果表明，在相同的网络设置和节点数量条件下，与PBFT相比，TSD-PBFT算法平均吞吐量提高了72.1%，平均时延降低了50.2%。与现在类似PBFT改进算法相比，TSD-PBFT也具有明显的性能优势，能更好的适用于大规模联盟链场景。