随着我国政务云的不断发展,政务云环境下的网络安全建设已经成为了当下的热点范畴之一,传统防御技术缺少对虚拟化环境中的安全事件进行主动识别的能力,导致传统的防护手段难以解决云网络环境下的安全问题。本文依据国家有关政务云的理念,以安全云落地本地为主旨,立足于采用网络安全态势感知体系构建政务云环境下的主动防御,直观地将网络安全态势量化,重点研究了对当前网络安全态势进行评估的技术,以及对未来的网络安全态势进行预测的技术。具体如下:(1)政务云网络安全态势评估技术:针对隐马尔科夫模型(HMM)参数专家经验确定,影响评估值的客观性的问题,给出自适应聚群粒子群算法(ASPSO)优化HMM的评估技术。ASPSO算法是在粒子群算法(PSO)的基础上引入了自适应学习因子与惯性权值,且同时引入了人工鱼群算法中的聚群行为特性,因而它不但具有PSO算法的快速收敛特性,还具有聚群行为的全局搜索能力。将优化后的HMM用于政务云环境下的网络安全态势评估,实验结果表明,评估结果与网络受攻击情况的对比具有很好的一致性,表明该方法是客观合理的。(2)政务云网络安全态势预测技术:针对BP神经网络训练时间长和易陷入局部极值影响态势预测值精确度的问题,分别给出基于人工鱼群算法(AFSA)和自适应遗传算法(AGA)优化BP神经网络(BPNN)的态势预测技术。分别利用AFSA和AGA对连接权值和阈值参数进行优化,以获取更优的态势预测模型,将优化后的预测模型用于政务云环境下的网络安全态势预测。实验结果表明,AGA-BPNN、AFSA-BPNN的收敛速度和预测精度都得到了明显提高。