本文以面向对象贝叶斯网络为基础,以复杂系统下多威胁源综合风险评估为背景,从贝叶斯网络构建、推理和复杂系统多威胁源风险评估几个方面进行了研究,主要内容如下:首先,提出了基于隶属云的面向对象贝叶斯网络参数构建方法。风险评估是一种偏于主观的知识表达方式,应用于风险评估的贝叶斯网络多以专家构建为主,而专家构建贝叶斯网络参数的工作量随父节点数量呈指数增长,传统的Noisy-OR构建方法仅限于节点状态为二值的情况。本文提出一种基于隶属云的贝叶斯网络参数构建方法,把Noisy-OR的二值限制拓展到多值,该方法将云的知识表达能力和贝叶斯网络的推理能力相结合,以状态组合权值为基础,先利用少量的专家知识构建隶属云模型,再运用状态组合权的不确定性生成贝叶斯网络参数,从而达到节省专家工作量的目的。实验表明,该方法生成的贝叶斯网络参数的统计结果与专家初始给定的父节点权值相符,可以有效表达专家知识,提高建模效率。其次,提出了索引消元推理算法。针对贝叶斯网络稠密树型结构推理计算复杂度高、难化简的问题,提出了索引消元推理算法。该算法分析运用了硬证据离散化和软证据概率连续的特点,将普通的CPT表分为索引表和计算表两个部分,即将推理运算分为硬证据索引及软件证据计算两个部分,在计算硬证据时使用索引表,在计算软证据时使用计算表,从而使计算复杂度仅依赖于软证据的数量。实验证明,该算法在硬证据比例高于40%的条件下,兼容了消元推理算法和团树推理算法的优点,且效率上有较大提升。然后,提出了基于贝叶斯网络对象融合的多威胁源风险评估方法。针对复杂系统威胁源数量变化,模型复杂且修改维护困难等问题,将面向对象贝叶斯网络与信息熵理论相结合,提出基于对象累积融合的多威胁源综合风险评估方法。该方法为每类威胁源分别设计贝叶斯网络类,并根据威胁源的数量动态地实例化威胁源对象并分别推理评估,然后运用信息熵理论去除单威胁源评估结果中的不确定性因素进行累积融合计算,从而得到最终的评估结果。实验证明,该方法能够有效地应用于复杂系统多威胁源风险评估。最后,设计并实现了多威胁源综合风险评估系统软件。根据本文提出的面向对象贝叶斯网络构建、推理和多威胁源风险评估方法,通过分析风险评估的一般需求,设计了多威胁源风险评估系统用例图,进行了功能模块分解,给出了模块间的接口关系,设计实现了多威胁源综合风险评估系统,并通过实验验证了该系统的有效性和可靠性。