پروژه تشخیص حملات (BotNet) بات نت که با نرم افزار داده کاوی رپیدماینر مدلسازی شده است از ترکیب الگوریتم های یاد گیری ماشین شبکه عصبی(Neural Network)، درخت تصمیم و ماشین بردار پشتیبان در قالب سیستم بوستینگ تشکیل شده است. بطور کلی استراتژی روش مطرح شده جهت تشخیص حملات (BotNet) بات نت بدین صورت است که ابتدا مربوط به حملات (BotNet) بات نت را بعنوان ورودی دریافت می کند. سپس فرآیند پیش پردازش برروی کلیه داده ها صورت می پذیرد. پس از اعمال پیش پردازش بر روی داده، Miss Value از داده های حملات (BotNet) بات نت از بین می روند. سپس داده های آموزشی معادل80% از نمونه ها برای آموزش مدل های موجود در سیستم بوستینگ تفکیک می گردد. 20% از نمونه های موجود نیز برای آزمایش و ارزیابی میزان درستی عملکرد الگوریتم های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان در قالب بوستینگ تفکیک می شوند. در نهایت نیز نمونه های آموزشی به سیستم بوستینگ وارد می شود. سیستم بوستینگ استفاده شده، داده های آموزشی را به صورت جداگانه بعنوان ورودی جهت آموزش مدل به الگوریتم های یادگیری ماشین اعم از شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان که در سیستم بوستینگ با هم ترکیب شده اند، اعمال می نماید. الگوریتم های یاد گیری ماشین ذکر شده از داده های آموزشی دریافت شده بعنوان ورودی جهت تولید مدل های مربوط استفاده می نمایند.