本发明公开了一种基于机器学习的网络安全评估方法和系统，通过多维网络安全参数历史数据和对应的安全分值标签，对XGBoost模型进行训练，训练好的XGBoost模型，可直接用于网络安全评分，不再需要依赖于专家来对网络安全进行评估，解决了现有技术采用专家评分法进行网络安全评估，存在依赖于专家经验，具有较强的主观性，时间成本高，效率低下，且可靠性不高，难以满足大数据环境下的网络安全评估要求的技术问题。安全分值标签的制定是通过多个专家的评定，最后得到用于训练XGBoost模型的数据标签，进而训练得到用于网络安全评估的模型，达到了模拟多专家评分的效果，消除了单个专家评分所具有的片面性、局限性，提高了标签的准确性的可信度。