计算机网络已经成为人类生活不可或缺的一部分,伴随着互联网应用的逐渐深入,网络中也隐藏着越来越多的恶意攻击行为。网络攻击或超限使用都可以导致网络节点资源变得紧张,网络节点性能不断下降,甚至面临着崩溃的风险。一旦网络节点瘫痪将会造成较大的经济损失,通过研究网络节点资源的风险值可以分析评估节点主机的安全状况,保障节点的正常运行和用户良好的体验,因此研究网络节点资源风险评估具有一定的实际意义。当网络节点主机遭受攻击或超限使用时,网络节点主机的网卡流量、CPU的利用率、磁盘的占有率以及内存的使用率等主要资源指标势必会出现异常波动的情况,它们的波动并不是各自独立的,而是存在一定的相关性。因此建立网络节点资源风险评估模型时,需要考虑网络节点资源序列的非线性,时变性和不确定性等因素。传统的基于数学公式建立模型的风险评估方法对非线性和时变性的处理较为困难,而自适应模糊推理系统(ANFIS)可以不依赖待处理对象的精确数学公式分析,模型参数会根据训练数据来进行不断的自我调整,达到稳定的状态。基于此,本文提出了一种利用自适应模糊推理系统构建的网络节点资源风险评估模型。论文首先叙述了利用基于网格划分(Grid Partition,GP)的ANFIS模型构建网络节点资源风险评估模型的研究。利用各类网络行为所造成的节点主机主要性能指标数据构建了基于网格划分的ANFIS网络节点资源进行风险评估模型,并对节点资源的风险值进行了评估。其次叙述了利用基于减法聚类(Subtractive Clustering Method,SCM)的ANFIS模型构建网络节点资源风险评估模型研究,同样也使用节点主机主要性能指标构建了基于减法聚类的网络节点资源进行风险评估模型,并对节点资源的风险值进行了评估。减法聚类效果明显,在不影响最终评估效果的同时极大优化了网络节点资源风险评估模型的网络结构,使得网络结构清晰明了。最后,论文叙述了经典BP神经网络算法网络节点风险评估模型与基于网格划分、减法聚类构建的ANFIS评估模型的实例比较过程,结果表明:基于减法聚类的自适应模糊推理系统模型能够比较客观真实的反应网络节点主机当前的风险情况,该评估模型是一种较好的网络节点资源风险评估模型,为研究网络节点资源风险评估提供了一种新的思路。