Intrusion Detection Systeme (IDS) sind wichtige Elemente in der Netzwerkverteidigung, um sich gegen immer raffiniertere Cyberangriffe zu schützen. In diesem Projektziel wird eine neuartige Anomalieerkennungstechnik vorgestellt, mit der bisher unbekannte Angriffe auf ein Netzwerk durch die Identifizierung von Angriffsmerkmalen erkannt werden können. Diese auf Effekten basierende Merkmalsidentifizierungsmethode kombiniert auf einzigartige Weise k-means Clustering; NaiveBayes Merkmalsauswahl und C4.5 Entscheidungsbaum-Klassifizierung zum Auffinden von Cyber-Angriffen mit einem hohen Grad an Genauigkeit und verwendet den KDD99CUP-Datensatz als Eingabe. Grundsätzlich erkennt es, ob die Angriffe vorhanden sind oder nicht, wie IPSWEEP, NEPTUNE, SMURF.