网络安全态势感知能够为复杂的网络空间构建全面统一的安全态势评估系统,并且可以预测未来安全风险的动态演变趋势,为整个网络提供安全策略,因此成为了网络信息安全领域的新热点之一。本文基于机器学习的相关知识对网络安全态势评估与预测方法进行深入研究,主要工作如下:(1)为了提高网络安全态势评估的准确性,本文提出一种基于改进的人工鱼群算法优化的多分类孪生支持向量机的网络安全态势评估模型。将人工鱼群算法应用到孪生支持向量机的参数寻优过程中,并在处理多分类问题时,将聚类算法与二叉树多分类思想相结合,减少多分类过程中存在的累积误差。该模型能够准确的对当前网络安全态势进行评估,通过实验,将该模型与已有的网络安全态势评估模型进行对比,验证了该模型在态势评估准确性方面的优越性。(2)为了提高网络安全态势感知预测的精确度,本文提出一种基于混合递阶遗传算法优化的径向基函数神经网络的网络安全态势预测模型。利用网络安全态势值具有非线性时间序列的特点,使用RBF神经网络找出网络安全态势值的非线性映射关系。采用混合递阶遗传算法对RBF神经网络的拓扑结构以及参数进行寻优,引入模拟退火算法提高遗传算法的全局搜索能力。该模型能够精确的对未来态势进行预测,通过实验,将所提的模型与已有的网络安全态势预测模型进行对比,验证了该模型在态势预测精度方面的优越性。