近年来,全球互联网络受到严重威胁,各种网络攻击事件,如网络经济犯罪、网络失窃密等已成为危及社会稳定和国家安全的关键因素。鉴于日趋复杂的网络安全环境以及日益严峻的网络安全威胁,亟待科学有效的方法与手段来进行准确的网络安全度量,以便实时掌握全网安全态势,提供安全决策依据。本文的主旨正是为了解决网络安全的量化以及定性的评估问题,参考各个相关的网络安全态势评估算法,通过借助前沿的人工智能深度学习技术,构建基于网络靶场的网络安全指标体系,并为进一步的基于大数据的网络安全指标体系构建提供重要参考。本文主要工作如下:(1)面向网络靶场的层次化网络安全指标体系设计关于研究面向靶场的层次化网络安全指标体系设计思想,需要先基于网络靶场的特性提出网络安全指标体系的设计原则,再结合实际情况,层次化选择合适的网络安全基本属性指标,最后通过定性与定量相结合的归一化思想,对不同的网络安全基础指标进行初始的量化处理,由此得到深度学习网络可以接受的输入数据集合。(2)基于BP神经网络的网络安全指标体系构建方法先设计和实现了基于BP神经网络构建网络安全指标体系的系统框架和算法,然后对参数的设置以及梯度下降算法的收敛性进行测试验证,最后给出了基于BP神经网络的网络安全指标体系构建算法的一种最佳参数设置方法,并实验验证了算法的有效性。(3)基于深度学习的网络安全指标体系构建先设计和实现了基于卷积神经网络的网络安全指标体系构建系统框架和算法,然后给出了数据预处理以及如何基于网络安全要素构建卷积神经网络输入的方法,最后通过对不同深度的卷积神经的合理性评估以及测试验证,给出一种最佳的基于卷积神经网络的靶场网络安全指标体系构建方法,并实验验证了算法的有效性。