W dzisiejszych czasach bardzo ważne jest utrzymanie wysokiego poziomu bezpieczeństwa, aby zapewnic bezpieczną i zaufaną komunikację informacji pomiędzy różnymi organizacjami. Bezsprzecznie, szeroki zakres technologii bezpieczeństwa, takich jak szyfrowanie informacji, kontrola dostępu i zapobieganie wlamaniom są wykorzystywane do ochrony systemów opartych na sieci, ale nadal istnieje wiele niewykrytych wlamań.Ten projekt przedstawia przegląd wykrywania wlamań i hybrydowy algorytm klasyfikacji oparty na naiwnej baye i K Nearest neighbour. Zbiór danych jest najpierw przepuszczany przez algorytm naiwnej baye w celu klasyfikacji, generując priorytety i prawdopodobieństwa warunkowe dla każdego przykladu w zbiorze danych. Jeśli wystąpi blędna klasyfikacja, przyklad jest przekazywany do KNN, który następnie szereguje sąsiedztwo przykladu, a wynikowe przyklady są ważone przy użyciu podobieństwa każdego z sąsiadów przykladu, jeśli Sim(X, Dj) jest równe 1, to X jest normalny, w przeciwnym razie algorytm znajduje K największych Sim(X, Dj), sprawdza je względem kryterium zatrzymania (próg).