随着软件日益广泛地被应用到航空航天、交通运输、核电能源和医疗卫生等安全关键领域,如何提高软件的可信性已成为软件开发时必须考虑和解决的问题。准确预测软件风险,有效定位和排除导致可信性降低的软件缺陷,能有效地增强软件的可信性水平并对软件当前可信性水平作出客观的评估。贝叶斯网络是概率理论和图论相结合的产物,是处理不确定性的有效方法。本文旨在建立基于贝叶斯网络的软件风险预测框架,研究连续时间贝叶斯网络模型、结构以及推理方法,从而为软件风险预测提供了一种系统化的建模方法,为解决软件开发过程中风险综合管理的迭代和动态特性问题,提供了新的技术途径和实现手段。本文构建的软件风险预测框架可根据不同的需求分别采用经验规则、故障树和贝叶斯网络三种方法模型来预测软件风险。这三种方法既自成体系、又互相支持。经验规则是故障树分析方法的基础和支撑,反过来,故障树分析可以验证经验规则的正确性,并指导经验规则的完善。同时,故障树又是贝叶斯网络建模的基础。通过分析国内外在高可信软件风险预测的研究成果,我们在正确区分软件可信性属性的本质的前提下,以贝叶斯网络理论为核心指导,对软件风险预测作了系统而深入的研究,主要的创新之处包括：1、给出故障树基本逻辑门的贝叶斯网络的表示及参数学习的闭合形式的形式化推理过程。利用这些闭合形式的公式,通过连续时间贝叶斯网络结构和参数学习,进行软件风险预测和可靠性分析。2、在连续时间的贝叶斯网络理论的基础上,提出了一种基于贝叶斯网络的可信软件风险预测框架。本框架有充分的理论依据和实践基础,结构简单、灵活方便,可根据需要获取不同精度的预测数据。有利于专家,开发人员及管理人员总结经验,不但能重点关注现有软件的重要因素,达到提高软件质量的目的,同时还能为今后软件开发提供一定的经验数据,预防同类错误的再次发生。3、运用所提出的可信软件风险预测框架,以动态故障树为基础,构建连续时间贝叶斯网络来描述遗留软件中模块的动态行为和交互,有效地将遗留软件所特有的专家经验、历史数据以及各种不完整、不确定性信息综合起来,提高建模效率和可信度,对用做安全关键系统的遗留软件进行风险预测和防危性评估。随着软件开发规范化的趋势,软件风险预测技术会越来越受到重视,新的理论和技术热点不断涌现,目前,国内外研究机构对可信性计算展开了广泛的研究,而高可信软件的风险管理研究是其中重要的研究领域。本文对可信软件的风险预测理论与技术作了深入、系统的研究和实践,并提出了新的可信软件风险预测框架,为软件风险预测提供了新的思路和技术支持。