随着互联网技术的普及,人们可以越来越便捷地接入互联网。网络设备在人们的生活中随处可见。然而,社会上经常发生用户信息的泄漏事件,威胁到了人们的生命和财产安全。为了提前发现网络中的系统漏洞,做好网络的防护,分布式网络扫描技术的作用日益突出。本文研究了负载均衡算法以及常用的动态负载均衡算法Pick-Kx,该算法具有良好的通用性,然而在具体实际应用中还存在一些不足之处。该算法只通过机器负载来计算任务分发比例,没有考虑到计算能力、任务负载的影响。为了更好的适应分布式扫描,本文针对该算法存在的问题做出了改进和优化,提出了一种改进后的负载均衡算法DTPick-Kx。DTPick-Kx算法改进了服务器任务分发比例计算方法,充分考虑到了当前分布式节点的计算能力、机器负载、任务负载。同时,DTPick-Kx算法设计了任务迁移策略解决了由于任务聚集引起的负载不均衡。该策略通过将过载节点的任务迁移到负载较轻的节点,有效地解决了负载不均衡问题。实验结果表明,DTPick-Kx算法在平均机器负载、平均响应时间上都较Pick-Kx负载均衡算法有更好的表现。针对不同网络节点对目标连通性的不同,影响扫描结果准确性问题。本文提出了一种基于IP地址库更新策略的高效扫描节点选择评估模型。该评估模型提供了一种在分布式网络扫描中选择高效节点的方法。同时,该模型针对更新区域的选择问题,提出了基于IP地址库的更新策略。该策略通过扫描任务调度次数和时间间隔来计算更新概率,根据概率选择更新区域,结合指数平滑算法进行数据的融合。通过对目的区域定时探测获取数据。实验结果表明,该评估模型减少了扫描耗时,提高了扫描准确度。