水下无线传感器网络节点之间采用水声信道进行通信,然而水声信道存在带宽有限、传播延迟大及误码率高等缺陷,且水下网络具有节点资源有限、信道开放、网络拓扑结构不断变化等特点,这些使得网络容易受到各种攻击威胁,对节点采集信息的安全性造成严重危害。为了抵御潜在的攻击,评估网络的安全性并及时检测网络中的攻击手段,本文引入态势感知技术提出水下无线传感器网络安全态势评估与预测模型,帮助管理员及时感知、全面掌握网络的实时状态,预测未来的发展趋势。本文主要工作如下:（1）为了评估当前的网络状况,提出基于合成少数过采样-随机森林的水下无线传感器网络安全态势评估模型。首先,在簇头节点采用邻域粗糙集进行特征提取,减少冗余数据对节点能量的消耗。其次,为了解决某些类型的攻击数据严重短缺现象,通过合成少数过采样技术平衡数据,然后采用随机森林对网络进行攻击检测,识别攻击类型。最后,结合态势要素获取机制,提取攻击频次、攻击总次数和威胁因子三个态势指标,根据态势指标及态势计算方法,计算网络安全态势值,并参照结合国家互联网应急中心划分的网络安全等级,评估当前网络的安全状态。通过实验及对比结果表明,该模型可以全面掌握网络状态,在多类型攻击检测上具有较高的准确率,且评估的网络安全状态与实际情况吻合度较高。（2）为了建立动态的响应机制,预测未来网络的状态,提出基于粒子群-径向基函数神经网络的水下无线传感器网络安全态势预测模型。针对单一径向基函数神经网络预测效果不理想的问题,采用粒子群算法优化隐含层的数据中心、方差及隐含层至输出层的权重。以均方根误差作为粒子群优化方法的适应度函数,得到最优极值,更新径向基函数神经网络。根据态势评估获取的历史态势值,设置滑动窗口制作态势预测的输入数据,通过模型输出预测态势值。经对比实验结果表明,该模型的预测值与实际值最接近,对网络状态的预测具有较高的准确度,可以有效预判未来的发展趋势。本文研究的水下无线传感器网络安全态势感知模型对节点采集的安全数据进行处理,利用相应的计算方法得到态势值,以此评估网络的状况,并预测未来的发展形势,帮助网络安全管理员及时做出对应的决策。