如今,网络在生活中已经十分普及,但是网络安全问题频繁发生,网络安全防御机制建立已非常迫切。传统的网络安全防御技术具有单一性和被动性的特点,已不能满足如今网络环境的安全需求,网络安全态势感知是多项安全检测技术的融合与增强,能够监测复杂的网络环境,因此,论文开展了面向网络安全态势感知的多源数据融合分析研究,通过应用多种安全检测技术,构建态势评估指标,从而,准确实时的监控网络安全情况。论文的主要工作如下:1)提出了多源多维度的网络安全态势感知模型。针对现有网络安全态势感知模型存在的数据来源单一,缺少协同联动,不能直观高效的了解网络安全状况等问题,设计了多源多维度的网络安全态势感知模型架构。整个模型架构包括5层,分别是数据采集层、数据预处理层、异常分析层、安全态势评估层、态势可视化层,该模型能够发现大规模网络环境中潜在的网络行为,并对当前情况进行分析和判断。2)提出了基于Apriori算法的多源数据关联分析方法。通过Apriori算法分析网络流量、资产信息、日志信息、系统运行状态等多源数据的关系,进行溯源,提取关键要素,验证了评估指标设定的合理性。3)提出了基于变异系数指标权重的多层次评估方法。经过数据融合和关联分析后,根据指标构建形成了网络安全态势评价指标体系,对比基于层次分析法（Analytic Hierarchy Process,AHP）的主观权重评估方法和基于变异系数（Coefficient of Variation,CV）的客观权重评估方法,提出了两者相结合的评估方法,使得评估更加准确。4)开发和实现了网络安全态势感知原型系统,经过实践与测试,验证了以上模型和方法的可行性。实验结果表明,面向态势感知的多源数据融合分析技术能够采集多源海量的数据,分阶段处理和高效存储数据,快速实时检测攻击,精确分析相互之间的关联关系与整个态势趋势,做到了精准感知已知入侵、快速感知未知威胁、敏锐感知自身脆弱。