计算机网络在经济生产、社会生活等领域发挥着极其重要的作用。但近年来计算机漏洞的数量呈海量增长状态,使得网络安全面临越来越严峻的挑战。实现对网络风险的量化评估以更加有效维护网络安全,具有重要意义。因此,本文进行了基于漏洞的动态网络安全风险评估方法的研究,主要工作如下。首先,针对网络风险难以全面评估问题,利用状态攻击图构建评估模型。其通过关联漏洞生成网络中所有攻击路径,有助于对风险进行全面评估。因此本文利用网络环境信息,由状态攻击图生成算法构建状态攻击图模型。其次,针对大量未知漏洞,建立了漏洞类别预测模型。由于漏洞类别多且描述文本简短,造成特征词提取困难。因此,本文提出了S-C特征提取法,在定义代表特征词重要程度的综合函数C基础之上,利用词的信息熵S来弱化对分类较为混乱的词的重要程度,选取S-C值大的词构成特征集。结合关联了特征词间关系的平均一阶依赖贝叶斯算法AODE,建立S-C-AODE类别预测模型。再次,针对以往基于状态攻击图的风险评估方法,忽视了攻击收益、攻击能力、漏洞发布时间等综合因素对攻击事件发生概率的影响,也忽略了风险的预测,本文提出通过量化漏洞的危害以动态评估网络风险的模型。该模型利用综合因素确定状态转移矩阵,使风险量化更加全面合理。利用捕获的入侵行为,实时动态更新状态节点可达概率,并通过确定攻击时间矩阵和防御时间矩阵,来实现对风险的动态评估和预测。最后,对S-C-AODE漏洞类别预测模型和动态网络风险评估方法进行了实验验证和结果分析。