云计算作为IT基础设施已经深入和广泛的应用在各个领域,正是由于其开放性和复杂性使得面临的安全问题越来越严重。云安全关系到云计算发展的前景。云安全态势感知是为了云安全最优决策和云安全管理的优化提供智能化推理的过程。云安全态势感知包括:云安全态势识别、云安全态势理解和云安全态势预测。其中,云安全态势预测是云安全态势感知的重要的环节,通过对云安全态势的预测可以是实现对云网络安全的动态管理,预防云安全的突发事件。在态势识别过程中,其难点在于如何全面的获取具有不确定性和模糊值混杂的云安全态势要素。在态势理解过程中,重点在于降低特征空间维度和计算复杂度。在态势预测过程中,提高预测模型输出的精确度,尽量降低误差和提高收敛效率是主要的研究对象。在这种情况下,开展云安全态势预测研究及其模型的构建,具有较高的学术价值和广泛的现实意义。目前,将人工神经网络应用到网络安全态势研究领域是主要的研究方法。本文首先根据泛函网络不仅表现在一般人工神经网络可以解决的问题泛函网络同样可以解决,泛函网络的性能在很多方面优于人工神经网络,将泛函网络引入到云安全态势预测的应用中,对云安全态势预测模型及其原理和构建方法的各方面展开了深入的研究。主要研究内容如下:(1)将进化算法和泛函网络相结合构建进化泛函网络逼近模型,有效解决对基函数选择及其系数学习的问题,弥补了一般人工神经网络只能选择特定激活函数方面的不足。(2)利用随机逼近算法对云安全态势要素进行处理和态势理解,提出大规模随机逼近算法在数据降维中降低模型的计算复杂度。(3)通过构建安全态势要素不确定影响关系的可信度矩阵,利用多元非线性回归预测算法结合进化泛函网络构建云安全态势预测模型。(4)通过数据集对本文论述的三种预测模型进行验证和分析,通过仿真分析对比实验分别验证了本文所提出基于进化泛函网络的云安全态势预测模型具有更高的准确度和效率。