随着信息科技的发展和人类需求的扩张,国家、社会和人们对信息系统的依赖程度越来越深。保障信息系统安全是新形势下必须要正视的重要问题。信息安全风险评估对保障信息系统正常运行至关重要,而选择科学合理的风险评估方法是进行高效、科学的信息安全风险评估的首要任务,就目前的风险评估方法而言,在采用定性分析的基础上再次使用定量对其综合,将二者进行有机结合的方法得到了广泛应用。越来越多的大众认识到信息安全风险评估是保证信息系统安全、建立信息系统保护架构不可或缺的步骤。通过比较本文中选取的风险评估方法层次分析法和BP神经网络,得出所选方法在实际信息安全风险评估过程中存在的不足。针对于此,在风险因素识别阶段提出基于改进层次分析法的风险因素识别方法和在风险值确立阶段提出粒子群优化的主元神经网络信息安全风险评估方法,并通过仿真实验对改进后的方法进行验证。首先针对层次分析法在风险评估中存在的缺点,在判断矩阵构造过程中引入故障树分析法中结构重要度的概念,并结合模糊综合评判,从判断矩阵构造、一致性检验、确立风险等级三个方面对其进行改进,改进后的方法在风险因素识别中较原来的方法具有明显的优势,能对风险因素充分识别、划分等级。在此基础上,采用粒子群优化算法优化主元神经网络初始参数,克服网络对初始值依赖性强、学习速率慢、宜陷入局部极小值等缺点,并建立基于粒子群优化主元神经网络的信息安全风险评估模型,通过与基于BP神经网络的信息安全风险评估方法进行对比分析,发现改进后的方法在风险值预测的准确度上有明显提高,且迭代次数减少。