在计算机网络飞速发展的同时,网络中的漏洞数量和攻击事件也随着增多,从而使得网络安全问题日益变得严重。因此,如何降低网络安全风险,提高网络的安全性成为当务之急。网络安全风险评估方法是一种可以降低网络风险的主动防御方法,本文在已有评估方法的基础上,进一步进行深入研究,提出了一种基于DBAM模型的网络安全风险评估方法。该方法考虑到攻击者大多是理性的决策体,通过对攻击成本和攻击收益的分析,在贝叶斯攻击图中引入原子攻击效能变量,并综合分析了其它因素对节点风险概率的影响,从而对网络风险进行静态评估;为了能对网络风险进行实时评估,本文方法将贝叶斯攻击图和入侵检测系统相结合,同时为了在网络节点处能较快地检测出攻击事件并保障准确率,设计了一种新的入侵检测模型,以此保障网络风险动态评估结果的准确性。最后,通过实验验证了本文提出的网络安全风险评估方法的有效性。本文的主要研究内容具体如下:1)通过设计的攻击成本与攻击收益引入原子攻击效能变量,并在此基础上提出攻击图生成算法和攻击图优化算法,为生成贝叶斯攻击图做准备;基于优化后的攻击图提出静态贝叶斯攻击图生成算法,该算法用于对网络风险进行静态评估,同时为对网络风险进行动态评估做铺垫。2)提出基于IKPCA-BELM的入侵检测模型,对节点处的攻击事件进行检测。该模型首先针对特征提取时核主成分分析（Kernel Principal Component Analysis,KPCA）算法的不足,提出了改进的核主成分分析（Improved Kernel Principal Component Analysis,IKPCA）算法;其次用改进的粒子群算法优化IKPCA中核函数的参数,以确定IKPCA的特征提取性能最优;最后将最优的IKPCA与贝叶斯极限学习机（Bayes Extreme Learning Machine,BELM）两者结合,从而对攻击事件进行检测分类。该入侵检测模型为动态评估网络风险提供了强有力的保障。3)在静态贝叶斯攻击图的基础上,结合入侵检测模型检测到的攻击事件,利用贝叶斯推理计算节点的风险值,由此提出了动态贝叶斯攻击图生成算法,该算法用于对网络风险进行实时评估。本文共有图20幅,表25个,参考文献80篇。