网络攻击效果评估在网络防护中,能够主动发现网络的薄弱环节,这对网络安全具有重要意义,因而近几年来受到广泛关注和研究。目前常用的评估模型中,客观的评估算法忽略了评估与实际情况和先验知识之间的依赖关系。而主观的评估算法,如层次分析法和模糊层次分析法存在主观的语言信息到数值信息转换过程中的缺失问题,并且计算过程复杂。因此,本文研究的模型期望优化模糊层次分析法,保留模糊层次分析法基于实际和先验知识的优点,减少信息量损失,以提高最终评估效果的合理性。本文的主要工作如下:1)基于对现阶段的网络攻击效果评估指标体系的调研,以及对模糊数学的学习和研究,引入概率犹豫模糊集进行评估指标的量化。2)结合概率犹豫模糊集,改进模糊层次分析法计算指标权重的方法。3)引入模糊C均值聚类算法,校准评估指标权重,得到更为合理的评估结果。4)对上述提出的方法,设计实验进行对比和验证,证明评估模型的准确性和有效性。5)基于本文提出的评估模型,提出合理的网络攻击效果评估指标体系,设计并实现了网络攻击效果评估系统,测试了系统的功能和性能。本文具体的创新点如下:1)提出基于概率犹豫模糊术语集的定性指标量化方法。在对各个网络攻击效果评估模型进行分析以后,针对评估模型中缺少对于定性指标的处理方法问题,提出概率犹豫模糊术语集用于定性指标的量化。将定性指标的自然语言描述,转换为用概率犹豫模糊语言的数学表述。使用概率犹豫模糊术语集,能够更大程度的减少语言转换为数值时信息量的丢失。本文设计并实现处理过程,通过实验证明该量化方法的有效性。2)提出基于概率犹豫模糊集的指标权重计算方法模糊层次分析法计算权重时,存在构造一致性判别矩阵过程中信息缺失,检验一致性矩阵的算法复杂,缺少非一致性矩阵修改方法等问题。使用概率犹豫模糊集来构造判断矩阵,更加精准地表达指标之间的相对重要性,使得原始的判断矩阵更接近一致性。同时,提出自动化的修改非一致性矩阵,提高权重计算的效率。本文设计并实现基于概率犹豫模糊集的权重计算方法,通过实验和对比证明该算法的有效性和合理性。3)提出基于模糊C均值聚类的评估指标权重校准方法。主观赋权法具有遵循实际情况和先验知识的优点,但可能存在依赖人为判断和产生误差的情况。为降低权重计算结果的误差,使用模糊C均值聚类来进行权重校准。模糊C均值聚类引入隶属度矩阵来划分类别,相比于传统的聚类方法,具有较高的灵活性。本文章使用模糊C均值聚类方法,对历史权重数据进行类别划分,利用隶属度矩阵和聚类中心划分每个评估指标权重的合理范围,达到校准的目的。