在互联网高速发展的同时,针对网络攻击的事件也时常发生,网络安全受到广泛关注。寻求实用的安全风险评估方法是网络安全领域的研究热点。网络攻击图模型是一种主动对攻击路径的探测技术,它从攻击者的角度出发,模拟整个网络攻击场景,然后给出目标网络内部漏洞间的依赖关系并以有向图的方式展示出来,是一种有效的分析网络脆弱性工具。本文详细阐述了网络安全评估的常用方法和工具,分析了攻击图理论模型的构建、攻击图的优化技术以及攻击图在网络安全评估上的定性和定量分析技术的研究现状。面对大规模网络所生成的攻击图过于复杂,无法准确快速找到关键漏洞节点问题所在。优化攻击图与求解关键攻击集可以帮助安全管理人员更好的理解网络系统中节点安全状态,从而加强安全防御能力,保障网络系统安全。首先针对攻击图过于复杂的问题,本文实现了攻击图优化算法。通过利用MulVAL攻击图构建工具生成一种有向属性攻击图。对有向属性攻击图的各类环路现象,给出了一般消除环路方法得到无环攻击图。在无环攻击图基础上,提出了基于路径复杂度的优化算法,将原子攻击距离和原子权重综合考虑,对计算出的路径复杂度低于阈值t的攻击路径进行消除,从而达到优化攻击图的目的。在简化攻击图的基础上,为对网络环境进行最小代价安全加固。首先阐述了最小关键攻击集的概念,而后证明了求解最小关键攻击集等价于求解NP问题。针对蚁群算法在求解最小关键攻击集时容易出现收敛过早而导致出现局部最优解与后期搜索速度过慢的问题。本文在蚁群算法的基础上,提出了改变信息素的自适应更新原则以及利用自适应遗传算法的局部搜索策略来改进蚁群算法。实验结果表明,相比蚁群算法而言,使用改进蚁群算法能够加快求解最优解的过程。在攻击路径数较多时,改进蚁群算法的求解准确性与后期搜索速度的优势体现的更加明显,更适用于大规模网络。