随着物联网的快速发展和智能终端的兴起,大量的智能终端接入互联网,然而,由于物联网厂商缺少安全意识并且在安全方面的研究投入比较少,导致安全标准的制定、实施速度远低于物联网行业的发展速度,从而导致有些物联网系统中存在很大的潜在风险。一些不法分子利用物联网终端自身存在的缺陷或漏洞进行攻击,因此有效的漏洞评估对于物联网来说是十分必要的,好的漏洞评估能够有效的对系统中的漏洞进行分级,使漏洞修复工作事半功倍。从物联网漏洞产生的原因来看,多是物联网源代码存在逻辑缺陷或编码缺陷等问题导致的,因此在正式启用物联网软件前,应尽可能的保证它的安全性和健壮性。本文从以上两方面进行研究,提升物联网的安全和稳定性。为了对物联网系统的漏洞进行科学评估,本文提出一种漏洞关联性危害评估方法。与传统的以一个单独的漏洞为评估单位的评估方法不同,本文将整个物联网系统作为一个评估单位,通过使用漏洞关联图分析漏洞在整个系统中的关联关系,找出可能的攻击路径,然后使用CVSS v3.0评价体系为计算的基础指标并引入风险矩阵,计算过程中既包括漏洞与漏洞之间的关联关系也包括漏洞自身的属性,以实现漏洞关联评估。实验表明本方法可以有效指导物联网的安全保护工作。针对物联网软件存在的软件缺陷问题,本文提出一种软件缺陷预测模型。该模型使用改进的局部切空间排列算法进行降维,同时该模型使用支持向量机作为软件缺陷预测模型的分类器。针对传统的局部切空间排列降维算法存在使用固定邻域导致局部结构缺失以及对噪声敏感等缺点,造成降维后重要信息缺失而导致的支持向量机精度下降问题,本文提出改进的局部切空间排列算法,该方法使用自适应的方法选择邻域以保证局部数据结构完整,同时使用稳健型主成分分析算法对邻域进行分解以达到较好的鲁棒性。通过改进的局部切空间排列算法进行维数约简,并使用降维后的数据训练支持向量机并进行验证。与单个支持向量机模型、基于局部切空间排列方法的预测结果相比,使用改进的局部切空间排列算法的预测算法预测准确率较高,F-measure提高了3%～5%。