در میان سیستم های تعیین هویت، سیستم های تعیین هویت با استفاده از اثرانگشت، از قابلیت اعتماد و سطح امنیت بیشتری برخوردارند. با توجه به اینکه اثر انگشت هر شخص منحصر بفرد است اثر انگشت به عنوان یک نشانه مطمئن برای شناسایی و تایید هویت افراد بکار گرفته می شود در واقع اثر انگشت الگویی از شیارها و رگه هاست که بر روی سطح انگشتان وجود دارند. سیستم های گوناگون جهت طبقه بندی، شناسایی و تطابق آن طراحی گردیده است. کارایی سیستم های تعیین هویت وابسته به کیفیت تصاویر اثر انگشت است. در این پایان نامه یک روش ترکیبی جدید و موثر جهت بازشناسی اثر انگشت ارائه می شود. با توجه به اینکه، به واسطه شرایط غیر ایده آل پوست، انگشتانی که به طور ذاتی کیفیت پایینی دارند (دچار بریدگی شــده یا به واسطه عواملی نظیر پیری و... خطوط اصطکاکی را از دست داده اند) و نویزهای سنســـور، درصد بالایی از تصاویر اثر انگـــــشت تهیه شده، کیفیت پایینی دارند و یکی از عوامل مهم در شناسایی ویژگی های اثر انگشت استفاده از یک اثر انگشت بدون ناپیوستگی می باشد. بنابراین در روش پیشنهادی ابتدا جهت بهبود کیفیت، تصاویر اثر انگشت نرمال سازی می شود سپس با استفاده از روش مشتق جهتی، جهت رگه های اثر انگشت را تخمین زده می شود، بعد از آن با استفاده از فیلتر گابور رگه های از دست رفته به نحو موثری ترمیم و بازسازی می شوند. به این دلیل از فیلتر گابور جهت بازسازی رگه های منقطع استفاده می شود که فرکانس و جهت آن انتخابی است و در هر دو حوزه مکان و فرکانس رزولوشن مطلوبی دارد. سپس از ترکیب دو روش تبدیل موجک و فیلترگابور برای بدست آوردن ویژگی استفاده شده است. در نهایت با استفاده از شبکه عصبی به دسته بندی می پردازیم. به این دلیل از فیلتر گابور جهت استخراج ویژگی استفاده می شود که این فیلتر نسبت به چرخش حساس نیست و در اینجا در 6 جهت به استخراج ویژگی می پردازد. با توجه اینکه با استفاده از تبدیل موجک ویژگی ها در 5 سطح استخراج می شوند از این تبدیل جهت استخراج ویژگی استفاده می شود. در نهایت با استفاده از شبکه عصبی به دسته بندی می پردازیم. دادگانی که در این آزمایش مورد استفاده قرار گرفته زیر پایگاه داده db3 fvc2004 است. روش ترکیبی جدید با استفاده از معیارهای صحت،eer ,frr ,far ارزیابی گردید. که میزان صحت 98%، far 2%، frr 2% و eer 1% ، به دست آمده است که نسبت به سایر روش های مورد بررسی در همه ی موارد بهبود داشته است.

امروزه با توجه به گستردگی بیش ازپیش شبکه های کامپیوتری تشخیص فعالیت های مخرب و نفوذ به سیستم ها و شبکه ها یکی از چالش های اساسی در این حوزه می باشد. از این رو کار بر روی متدهای یادگیرنده به منظور استفاده در سیستم های تشخیص نفوذ یکی از رویکردهای فعال در تحقیقات امنیتی می باشد. این سیستم ها، اطلاعات ترافیک شبکه را از روی گره های شبکه یا سیستمهای کامپیوتری جمع آوری کرده و از این اطلاعات برای تأمین امنیت شبکه استفاده می نمایند. در این پایان نامه، سعی شده است، یک سیستم تشخیص نفوذ ترکیبی ارائه شود. در کاربردهای طبقه بندی غالباً استفاده از رویکردهای ترکیبی در مقایسه با روش های منفرد از لحاظ کارایی بهتر عمل نموده اند. از این رو در اینجا روش ترکیبی سه مرحله ای جدیدی ارائه خواهیم داد که با پیشپردازش بر روی داده ها و انتخاب ویژگی با استفاده از روش های مختلف مانند بهره اطلاعات و الگوریتم فیشر و همچنین انتخاب نمونه با استفاده از روش های متنوع خوشه بندی از قبیل خوشه بندی به روش نگاشت خودسازمانده، کا-میانه و بازهبندی دادهها در مرحله اول و بهره گیری از چهار طبقهبند درخت تصمیم، بیزین ساده، کا نزدیک ترین همسایه و شبکه عصبی به منظور تولید داده های میانی در مرحله دوم و در نهایت در مرحله سوم به منظور تجمیع نتایج از یک طبقه بند افزایشی بر پایه درخت تصمیم، موجب ارتقاء کارایی طبقه بندی و کاهش نرخ هشدار اشتباه سیستم تشخیص نفوذ می گردد. آزمایش های صورت گرفته در این پایان نامه که بر روی مجموعه داده ی kdd-cup99 صورت گرفته است، نشان می دهد که روش ترکیبی پیشنهادی، هم نسبت به طبقه بندهای منفرد و هم نسبت به طبقه بندهای ترکیبی پیشین، در تشخیص حملات از کار انداختن سرویس، پویش پورت، دسترسی محلی از راه دور و حمله کاربر به ریشه کارایی بالاتر و همچنین در تشخیص رفتار عادی، نرخ هشدار اشتباه کمتری را دارا می باشد.کارایی روش ترکیبی جدید با معیارهای بازخوانی، دقت، معیار اف و نرخ هشدار اشتباه سنجیده شده که در یک دید کلی به صورت دو طبقه عادی و حمله، مقادیر 9178/0 برای بازخوانی، 9986/0 برای دقت، 9565/0 برای معیار اف و 005/0 برای نرخ هشدار اشتباه به دست آمده است.