随着校园信息化不断发展与深入,在校园网为广大教师学生提供服务的同时,所承载的服务内容也变得越来越复杂,如云计算服务、远程教学、省网络节点等。但是网络安全的防御技术手段还停留在传统的安全规则拦截策略,以及片面的防护手段等被动式的防御方式。相较于传统的防御手段,网络安全态势感知的研究是基于抽象的顶层角度分析整体网络安全状况并加以评估其危险态势值,并且基于算法模型完成态势预测,最终给予网络安全指导意见。因为有效的指导意见能一方面能减轻工作人员的处理压力,另一方面能基于数据展现的趋势结合算法进一步研究使网络安全管理更加智能化、动态化、高效化。本研究主要围绕着对网络安全态势感知中态势要素提取、态势评估、态势预测三个部分展开深入研究,论文主要工作内容如下:1)由于当前校园网络空间体系结构复杂,规模庞大以及网络访问流量中数据的属性标签较多,阻碍了威胁行为的分类预测的速度,本文基于主成分分析算法将高维度的数据映射到低维度,删除冗余属性进行数据降维,完成要素的提取,实验证明该算法一方面能提高分类的速度,另一方面提高了分类准确性。2)鉴于当前网络空间环境较为复杂,以及大多数本领域研究学者片面从威胁入侵的角度分析网络安全态势,本文针对校园网络环境提出一种基于多源数据建立多维的层级态势评估指标体系。该体系分别从子网中设备的资产属性、威胁性、脆弱性、风险性的四个一级指标展开,再落实到具体指标,最后通过熵权法——层次分析算法对具体指标完成权重赋值操作,通过构建全面的态势评估算法计算单位时间内子网中所有设备的态势值完成整体态势的评估。3)提出一种基于时间序列的网络安全态势感知预测的研究。主要是针对校园网络流量数据复杂性、多样性、规模大的特点,分别从数据的稳定性、趋势性、季节性变化、循环变动的因素分析其建立的时间序列模型的充分性,通过模型的拟合最终建立了季节性自回归滑动平均模型,实验证明了该模型对校园网络安全态势预测的有效性以及对实际网络安全的管理具有一定的实践指导意义。