本文在研究和分析国内外的网络安全及网络攻击的态势感知基础上，一是构建了基于病毒威胁的网络安全态势评估研究模型框架，框架包括数据采集、数据预处理、态势评估、态势预测和态势展示共5个模块，并且对各个模块的功能进行了具体规划。二是在多指标的研究成果基础上，提取了病毒威胁指标，形成了一套评估指标体系，给出了指标体系评估算子的定义及量化方案，设计了一个病毒威胁评估算法模型。通过实例，训练出合适的评估参数，并得到相应的安全态势值，检验了评估模型的正确性。　　 考虑到网络安全管理人员的需要，本文在研究态势预测技术基础上，针对病毒威胁态势数据的非线性特点，对其进行时间序列分析，提出基于广义回归神经网络的态势预测(Generalized Regression Neural Network Situation Forecast，GRNNSF)模型。根据历史的网络安全态势评估值训练广义回归神经网络，通过预测输出值与实际值的绝对误差自适应地选择网络参数，建立合理预测模型，预测未来的安全态势。通过实验，验证了GRNNSF有较优的逼近能力，比Elman、BP和RBF神经网络有较强的预测准确度和稳定性。　　 最后，开发了一个评估系统原型平台，以提供及时、有预见性的态势信息，设定特定的场景，并基于场景进行评估，展示了不同粒度下的安全态势值，验证了病毒威胁评估模型和预测模型的合理性与准确性。