随着互联网,物联网等网络系统的发展,潜在的网络完全风险也日益显露。面对层出不穷的网络攻击事件,网络系统如何能够高效平稳地运行成为了目前研究的主要课题。现有的网络安全度量方法大多只考虑漏洞自身属性,而忽略了漏洞之间的关联性,难以适应复杂动态网络中的量化需求;另外,网络攻击事件的复杂性和不确定性给准确有效地预测防御攻击事件,建立全方位的实时监控系统带来困难。为了解决上述问题,本文基于贝叶斯模型针对动态网络攻击行为的预测开展了深入的研究。首先,基于网络环境中漏洞之间的关联性和传播机制提出了一种新的漏洞风险度量方法,该方法利用CVSS基础指标组中的可利用性和影响指标的因果关系,依据具体攻击图,对子节点的漏洞的可利用性指标进行动态修正,充分考虑漏洞节点固有属性和所处环境因素。其次,基于贝叶斯网络构建贝叶斯双层网络安全分析模型,该模型应用了新的漏洞风险度量方法的量化结果,采用了贝叶斯网络和层次结构的思想,通过将概率攻击图分割为较小规模的子网络,有效地提高了贝叶斯攻击图中对攻击行为的概率值的计算效率。然后,基于本文构建的贝叶斯双层网络结构模型,提出了一种新的动态攻击行为预测分析算法,该算法在模型基础上,利用贝叶斯推理的方法动态更新网络攻击行为的置信度,对攻击行为进行预测和分析,充分考虑了攻击事件对网络系统中属性节点的置信度的影响。最后,通过实验验证,本文提出的方法能够有效准确地对漏洞节点进行分析的度量,并能高效地预测分析网络攻击事件。综上所述,本文基于网络系统中漏洞间的关联性提出了一种新的漏洞风险度量方法,并将其量化的结果应用于本文构建的贝叶斯双层网络安全分析模型,还设计了合理的动态攻击行为预测分析算法,使其可以解决已有的网络攻击行为分析和预测方法存在的问题,且在复杂的网络环境中有良好的可用性和较高的效率。