在大数据的环境下,分布式拒绝服务攻击(Distributed Denial of Service,DDoS)的攻击规模持续快速地扩大,对网络安全造成的危害也越来越严重。为了对安全态势评估方法开展深入的研究,本文介绍了十种不同类型DDoS攻击的基本原理及特点,并通过对各类DDoS攻击的全面综合分析证明了针对DDoS的安全态势评估工作的重要性和紧迫性。新型网络环境下,传统的网络态势评估方法已经不能有效地评估DDoS的安全态势。本文提出了基于改进模糊C-均值(Fuzzy C-means,FCM)聚类的DDoS攻击的安全态势评估模型。该模型根据新老用户网络流IP地址状态变化和单双向网络流的融合特征,计算出网络系统各节点的风险指标,通过汇聚网络中各个节点的风险指标生成整个网络的安全态势信息,再用改进的模糊C-均值聚类算法将融合的安全态势信息分为五个安全等级,最后采用风险等级识别模型对整个网络的DDoS攻击安全态势进行定量评估。实验结果表明,该模型能够合理有效地评估DDoS攻击的安全态势,比现有的评估方法更准确灵活。本文对常用的八种深度学习方法进行了分析和研究,并提出和建立了基于深度学习的安全态势评估方法和基于神经网络的安全态势评估模型。该模型通过使用卷积神经网络(Convolution Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)、反向传播神经网络(Back Propagation algorithm,BP)和长短期记忆神经网络(Long Short-Term Memory,LSTM)对各个网络安全指标进行深度学习,实现对网络安全态势的综合性评估。实验结果表明,所提出的模型能够更加直观有效地对网络安全态势进行评估。