在当今科技飞速发展的时代,网络规模不断壮大,结构日益复杂,使得网络安全问题也日趋严重。为了实现对整个网络安全态势进行准确地监测,产生了网络态势感知技术,并逐渐成为当前网络安全领域研究的热点。网络态势感知要求能够对恶意代码、网络攻击等网络威胁进行综合分析,对网络的安全状况进行实时评估,对网络安全的态势及其发展趋势进行预测,以期能在安全事件发生之前,对网络进行主动的管控,从而避免破坏的发生,以保障网络资源的完整性和安全性。本文主要对网络安全态势感知的系统模型及其部分关键技术进行深入的研究。首先,通过分析研究现有网络安全态势感知的系统模型,针对它存在的精确度和实时性不够好的问题,提出一种改进的系统模型。该模型自底向上分为态势因子提取、态势评估和预测,态势可视化三个层面,其中态势预测与评估同步进行,预测的数据源采用网络拓扑结构数据和态势因子的提取结果。其次,本文就改进的系统模型提出一种相应的态势预测实现方法,分层进行异常威胁量化分析并结合灰色理论实现预测。将网络的拓扑结构自底向上分为主机层、网关路由器层、边界路由器层及整个网络层,计算各层损害度,将主机级损害度作为预测的数据指标,采用灰色理论预测,而后层层计算得到整个网络的态势预测值。再次,针对该预测方法直接采用态势因子进行计算对输入数据精度要求高的特点,本文还提出一种态势因子提取模型和算法,即改进PSO结合模糊逻辑规则优化BP神经网络(简称CGCPSO-FNN)的模型和算法。最后,本文通过实验验证了所提出的系统模型能够优化数据源单一问题,并提高态势感知的实时性和精确度；预测采用的实现方法能够减少中间误差,得到更加精确的态势预测值；而且相应的态势因子提取方法能够更加实时得到更加准确的提取结果,为获得更好的态势预测值奠定基础。