网络安全态势感知是对网络安全整体状态的一种体现,它是一种复杂的非线性系统,为网络安全问题提供了比较全面的解决思路。态势预测是网络安全态势感知的重要组成部分,它不仅是对网络安全整体状态趋势的一种反映,也是态势感知的最终目标。态势预测作为态势感知的核心问题,目前的对其研究尚存在一些不足。网络安全事件存在随机性和不确定性问题,传统基于单一模型的预测方法无法适应复杂的网络安全环境,成为了制约态势预测应用的主要问题。针对上述所存在的问题,将多尺度熵模型、隐马尔科夫模型以及加权算法理论引入到网络安全态势预测中,进行多种方法模型的组合预测。对于安全态势原始数据的处理方面引入多尺度熵算法,通过分析告警时间序列在不同尺度因子下的样本熵选择能够充分体现告警序列复杂程度的尺度数据,然后带入HMM算法中进行处理,获得不同尺度因子下模型的参数。另一方面,针对现存方法中不能够合理利用历史数据的问题引入了加权自相关系数,由于HMM的输出独立性假设表示模型的输出仅与当前状态有关也就是模型的一阶性特点,而多阶自相关系数反应了一段历史数据对当前输出结果的影响,根据上述步骤中获得的模型参数利用规范化的自相关系数和隐马尔科夫模型的参数来加权的计算未来态势发生的概率情况,合理的利用历史数据来对未来状态进行加权预测。基于以上所提出的预测方法,文中通过DARPA2000数据集进行实验验证,由实验结果可以看出,本方法对未来的安全态势的预测可以取得良好的效果,不仅能够为网络安全管理提供及时准确和前瞻的态势变化信息,同时也为网络安全态势感知的研究拓展了新的思路。