随着互联网与传统行业逐渐融合,数量众多的网络产品涌入人们生活中。这些网络产品的安全性能反映了网络空间整体的安全状况,其信息安全质量问题越来越受到人们重视。目前针对网络产品信息安全质量风险监测的研究缺乏统一的理论及方法,使得监管部门在信息安全监测工作中面临巨大的挑战。鉴于此,针对网络产品信息安全质量风险监测进行研究,开展如下主要工作:(1)提出基于互联网舆情的信息安全质量风险监测模型。基于舆情数据,构建了包含风险数据源层、指标量化层、风险分析层、风险表示层和风险应用层的多层次闭环模型,实现从舆情数据到风险表示的计算模型。(2)提出一种基于情感分析的信息安全质量风险分析方法。针对传统情感分析方法的特征提取依赖于具体任务和人工设计的问题,构建基于卷积神经网络的改进情感分类模型,利用通道变换的卷积方式加强特征自动提取能力,并用全局平均池化层代替全连接层,克服模型过拟合的问题,提高情感倾向性分类性能。(3)提出一种基于迭代增量聚类的信息安全质量风险话题发现方法,以传统单程法(Single-Pass)为基础,引入时间距离作为文本相似性判断的依据,并采用迭代聚类的方式克服Single-Pass算法对数据输入顺序敏感的问题,提高话题识别准确性。实验结果表明,改进的情感分类方法在路由器评价数据上比传统方法具有更优的信息安全质量情感分析性能。同时,基于迭代增量聚类的话题发现方法较传统方法有效提高了信息安全质量风险话题的识别能力。