软件技术的不断更新和迭代推进了社会生产和生活方式的不断改变,在促进信息化社会建设和发展的同时,也给我们的软件系统带来了各种各样的安全问题。对于软件系统外部的安全问题主要是通过网络存在的漏洞和安全缺陷对软件及其系统中的数据进行攻击,这些攻击形式通过网络安全策略和病毒防御策略能够得到有效的防护。但是,对于软件系统内部的安全问题主要是合法用户在某些情况下做出一些非法的、异常的行为,往往破坏性是致命的,是不可防御的。由于攻击者仅滥用现有账户的特权而不违反任何限制,攻击者的行为和合法账户行为难以区分。考虑到软件系统内部的合法用户异常行为以及良性用户行为有规律改变的事实,通过安全防控策略监察系统的用户行为是否可信是不现实的,主要是不同的用户在使用不同的软件系统时,都有自己的使用行为习惯和行为轨迹,它们是灵活多变的。所以,为了保证软件系统的安全性和用户行为的可信性,针对异常用户行为风险的及时识别及管控,需要对软件用户行为的可信度进行评估。现有的基于标准签名或基于异常检测的Web软件用户行为可信度分析方法较为单一、固定、不灵活。本文通过在仿真模拟县市区政务办公系统生成的软件用户行为Web日志数据集上,对比不同的个体学习算法和同质集成学习算法的效果,将得到的效果较好的算法进行组合,构建异质集成学习算法的可信度分析模型。并分析在不同组合的异质集成学习算法模型上的评价结果及模型调优,得到最终的软件用户行为可信度分析模型。实验过程,主要包括对数据集的生成、量化处理、特征处理和算法模型的选择、训练验证、参数调优。实验表明,在模拟的数据集上,通过异质集成学习算法模型,使得软件用户行为可信度分析的准确率提高到了97%以上。