随着信息技术的不断发展,网络的不安全因素也随之增加。虽然传统的安全设备和安全检测方法得到了广泛的应用,但都没有从宏观的角度为网络管理员提供清晰的网络安全状态信息。安全态势感知作为网络安全技术的重要组成部分,对于最终的决策制定起着关键作用。目前关于安全态势感知的研究较为热门,但尚不成熟,其中的安全态势预测更处于起步阶段。由于网络安全事件的随机性和不确定性,限制了传统单项预测模型的预测精度。本文针对单一态势预测模型存在的不足,将D-S证据理论引入到网络安全态势的预测中,进行多模型的组合预测。由于不同种类的预测方法各有特点,本文选取了时间序列预测法、灰色预测法和神经网络预测法三种不同的预测方法。首先建立了三种预测方法的预测模型,对网络安全态势进行预测,得到了态势预测结果,分析了预测误差。在此基础上,利用D-S证据理论的合成法则对三种单项预测模型的预测结果进行融合,得到了单项预测模型在组合预测时的权重。最后通过仿真实验,得到了网络安全态势多模型组合的预测结果,表明组合预测模型比单项预测模型的预测精度更高。本文采用的多模型组合预测方法,通过数据融合减弱了单项预测模型自身特点对网络安全态势预测结果的影响。组合预测方法有效结合了各单项预测方法的信息片断,比单个预测模型更系统全面,在一定程度上弥补了单项模型的局限性。由于新的组合模型不限制单项预测模型的数量,故其可扩展性更好。网络安全态势预测涉及的知识面非常广,本文仅在多模型组合态势预测方面做了一定的研究,今后还将在组合预测技术中针对单项模型的选择和优化,以及组合算法的优化等问题做更进一步的研究,使管理员对系统的安全趋势和规律有更准确的了解,以便制定出正确的安全策略,更好地提高网络系统的安全性能。