随着信息技术的发展,网络安全风险评估技术已成为衡量计算机系统或网络整体安全性的重要方法之一,且得到了广泛研究。但是,它尚未形成一个统一的评判标准,多数时候需涉及专家人工分析,使得当前绝大多数评估方法较为耗费资源;此外,当前多数评估方法仅根据原始检测数据生成评估结果,未涉及原始数据处理;并且不同网络攻击对不同漏洞利用率不同,而很多评估方法都是一概而论,很难准确、实时评估目标网络攻击风险。因此,设计一种实用性强、准确率高的风险评估模型迫在眉睫。针对网络风险评估中存在的问题,本文在风险评估入侵检测阶段,引入人工免疫算法,以达到实时检测网络攻击数据的目的,其次,通过层次分析法将网络系统分为三个部分,以达到从局部到整体的评估流程。本文的主要研究工作如下:首先,本文设计了一种基于人工免疫的网络风险评估模型(Network Risk Assessment Model Based on Artificial Immune,NRAM-AI),该模型区别于传统的风险评估模型,在入侵检测阶段使用人工免疫算法,能实时检测网络攻击数据,并且论文改进了人工免疫算法的匹配算法,相较于原算法,检测准确率得到提升,误检率得到降低。其次,为了模型能适用于网络系统,本文在模型中使用层次分析法,将网络系统分为指标层、主机层、网络层三个层次,根据实时入侵监测数据,结合漏洞扫描以及资产评估,能得到整体网络风险值。最后,论文给出信息系统风险评估模型的功能设计,基于人工免疫算法设计了指数层中攻击危害性评估模块、脆弱性识别模块的实施流程,并对风险评估模型进行仿真实验。实验结果证明,风险评估模型能准确计算当前网络风险值。