计算机和互联网今天在世界范围内变得更为普及,而网络上更多资源得到共享的同时,网络的风险性也随之增加。尽管入侵检测系统、防火墙等安全设备得到了广泛的应用,但纷繁的日志不仅无法清晰地勾勒出网络的态势信息,也无法让网络管理员准确了解所遭受威胁的程度,以至于不能做出正确的决策。通过借鉴国内外有关研究成果,本文基于数据融合技术提出了一个网络安全宏观态势评估模型,在宏观角度,从入侵检测系统、漏洞扫描系统等多种设备提取能够反映网络安全性的指标,并对其进行融合、评估,最终以量化的形式显示出网络安全态势的演变趋势。本文总结了多源数据融合的常用方法,并应用自适应神经模糊推理系统来评估网络安全态势。它在模糊推理系统的基础上增加了神经网络的学习功能,有效地结合了模糊推理和神经网络技术的优势,能够将专家经验更好的利用于态势评估过程中,使得评估结果更加准确和可信。为了能够对网络管理员做出及时的预警并提供更好的决策参考,本文还研究了网络安全态势的预测。文中归纳了时间序列预测的一般流程,并将其应用于未来网络安全态势的预测。经实验验证,该方法可信有效,达到了预期的目标。