本发明公开了一种基于改进神经网络的网络安全态势理解和评估方法，通过采用复合最优单元，使用Relu6作为卷积层的激活函数，对模型框架的改进和优化；同时充分考虑核对测试样本数据分布特点，对测试数据集平衡调整后进行网络训练，提高了态势理解和评估的准确率；本发明根据网络数据信息在时间上具有连续性的特点，对当下的网络信息进行分析的同时结合攻击发生前的网络数据，对时间序列数据进行有效的数据融合；在属性特征较多和样本量较大时避传统态势感知研究方法运行时间短。