随着信息化在全球的快速发展,人们对网络的依赖程度越来越高,网络安全问题也逐渐得到人们的高度重视。由于网络系统的模糊性和随机性,传统的单一防御已不能满足当前的需求。网络安全态势评估和预测为保障网络安全、稳定地运行提供了一种新技术,同时也得到了研究者们的深入研究。由于网络安全态势问题在模型和算法上没有形成统一的最优解,因此很多新算法被不断提出,仍然需要研究者们继续探讨。本文在此基础上对算法优化等方面进行了研究,主要工作如下:1、对数据进行统计与分析,通过分析国内外网络安全态势的现状丰富了影响网络安全态势的因素,并且对数据进行预处理,从而提高了模型训练的速度和效率。2、在深刻理解云模型与熵权理论的基础之上,提出了一种基于多维云模型与熵权理论相结合的网络安全态势风险评估模型。首先通过多维云模型建立了定性概念与定量数值之间的关系,然后采用熵权理论客观地得到各个指标的权重。通过挖掘网络安全态势的历史数据中的规律,并与当前网络现状相结合,实现对当前网络安全态势的评估,提高了评估结果的客观性和可理解性。3、本文通过粒子群优化RBF神经网络来实现对未来网络安全态势的预测,通过粒子群优化RBF神经网络的权值,可以快速找到权值的全局最优解,提高了RBF的训练速度,从而能够快速准确地对未来网络安全态势进行预测。本文通过对历史数据进行分析,并对PSO-RBF神经网络进行训练,从而能够通过PSO-RBF神经网络预测模型对未来网络安全态势进行快速有效地预测。实验结果表明,该预测模型能够快速、有效地预测未来的网络安全态势。