提出一种使用深度学习方法对网络环境进行态势评估的方法。 根据网络扫描过程中获取的风险信息进行分类和特 征提取，训练深度学习网络，并根据学习结果预测攻击对网络造成的影响，同时对当前网络态势进行整体评估。 针对网络整 体的安全问题进行定量描述，从而可以对不同协议层、不同来源、不同手段的攻击进行风险评价，并调度资源进行拦截及防护。

 针对网络安全态势评估指标体系的不完善和难以选取及构建等问题，以相关标准和规范为基础，从系统安全机制出发，按照既定原则，提出一种网络安全态势要素指标体系构建方法，并给出了网络可用性态势要素数据获取和指标值的计算方法。实验表明，网络安全态势要素指标体系的构建具有一定的科学性，为网络安全态势评估提供了一种新的数据解决途径。

分析了传统网络安全防御体系的不足及应用大数据技术进行网络安全分析的 优势，并在此基础上提出了一种集安全数据采集、处理、分析和安全风险发现、监测、报警、预判于一体的安全态势感知平台。该平台整合安全区域内用户终端、网络链路、应用系统、数据流量等各类感知数据源，经统一汇聚存储后，利用机器智能分析技术，结合数据处理、安全规则模型、攻击推理模型等分析算法，将看似毫无联系、混乱无序的安全日志、报警数据转化 成直观的可视化安全事件信息，从海量数据中挖掘威胁情报，从而实现风险发现、安全预警和态势感知，提升安全监测的攻击发现和安全态势感知的能力。