互联网的快速普及和应用改变了整个世界,推动了社会的快速进步和发展,但同时由于网络的自由开放的特性使得网络危害行为变得越来越广泛,给社会和人民的造成了极大的危害。如何准确全面的感知当前网络环境的健康状况,及时的发现攻击危害行为以及科学智能的进行处理这些问题是网络安全领域重要的研究焦点。网络安全态势感知技术是通过集成大规模的网络安全设备,进行安全数据的采集和分析能够对网络的安全状况进行综合评估,从而实现实时动态的发现和感知网络安全威胁,通过告警信息使管理员及时采取安全措施提高网络安全稳定性。本文详细的分析了关于安全态势系统相关的关键技术和研究成果,针对安全态势预测方面利用机器学习的方法对安全态势时间序列进行预测,提出了基于FOA-SVR算法的网络安全态势预测模型,该方法结合SVR算法优良的非线性拟合能力,以及FOA良好的全局寻优能力,用FOA对网络安全态势值的时间序列嵌入维数n,SVR的惩罚系数C和rbf核函数参数g进行优化,从而避免了参数选择的盲目性,来提高网络安全态势预测的准确性。并通过实验构建RBF神经网络和PSO-SVR算法进行对比分析,证明FOA-SVR算法的优良特性。同时本文设计了网络安全态势分析系统架构,分别对数据采集和归一化、动态关联、态势计算和态势预测各个模块进行详细的设计和制定了清晰处理流程并给予实现,并将FOA-SVR算法应用到该系统的安全态势预测模块中。