随着计算机技术不断进步,互联网应用越来越广泛,网络在人类的生活和工作中扮演着越来越重要的角色。但是在网络给我们生活和工作提供便利条件的同时也带来了各种安全问题,因此网络的安全问题越来越受到重视,如何有效的评估网络的安全状况并及时的发现网络的安全问题已成为网络研究中的一个重要内容。针对网络安全问题,传统的防护手段是使用网络入侵检测系统、防火墙、防病毒软件或者脆弱监测系统等监测设备来对网络情况进行监测,但是这些方法都是单一作战,不能有效的帮助网络安全管理人员及时的发现网络安全问题、应对突发的网络安全状况。网络安全态势感知能够帮助网络安全管理人员有效的掌握网络的安全状况,及时发现网络系统的安全问题,并能够预测网络未来的安全状况,为其作出网络安全决策提供依据。本文在前人对网络安全态势研究的基础上,实现了一个基于机器学习的网络安全态势感知系统。首先通过开源的安全信息管理系统OSSIM对网络系统的数据进行收集并从中提取出合适的指标,然后使用遗传算法改进的BP神经网络对网络安全态势进行评估,得到网络系统态势值。然后使用改进的多变量灰色马尔科夫模型根据网络系统的数据和历史态势值对网络系统未来的态势值进行预测。本文的主要工作如下:1、提出一种改进的BP神经网络算法,使用遗传算法来确定BP神经网络的初始权重和阈值,避免BP神经网络陷入局部极小值,并且能够加快网络的收敛速度。2、提出一种用于网络系统态势预测的改进多变量灰色马尔科夫模型,通过使用马尔科夫方法对改进的多变量灰色预测模型预测的态势值进行修正,来缩小系统态势预测结果和系统实际态势值的差异,从而获得更精准的态势预测值。3、设计并实现了一套网络安全态势感知系统,包括数据采集模块、数据预处理模块、态势评估模块、态势预测模块、系统展示模块等。通过实验验证了系统的有效性。