بسیاری از سازمان ها وافراد اطلاعات مهم وحیاتی خود را در فضای ابرعمومی بارگذاری می کنند که این اطلاعات در معرض خطرهای امنیتی مانند در دسترس پذیری، محرمانگی وجامعیت هستند.علاوه بر این سرویس های بی وقفه فناوری ابر، مهاجمان را برای سوءاستفاده از این منابع وسرویس های ارائه شده توسط فراهم کنندگان ابر جذب می-کند. بنابراین توسعه یک سیستم تشخیص نفوذ برای محافظت از محیط ابر یک موضوع حیاتی است. استفاده از الگوریتم های فراابتکاری یکی از راهکارهای بسیار مفید در طراحی سیستم تشخیص ناهنجاری در ابر می باشد. در این پژوهش، یک سیستم تشخیص ناهنجاری مبتنی بر الگوریتم فراابتکاری توسعه داده شده است که در ابتدا به کمک الگوریتم جستجوی ژنتیک مرتبط ترین ویژگی ها را انتخاب کرده، سپس به کمک روش یادگیری ترکیبی bagging داده ها را دسته بندی و نتایج را استخراج می نماید. برای ارزیابی سیستم پیشنهادی، مجموعه داده KDDCUP99 که یک مجموعه داده استاندارد برای ارزیابی در حوزه امنیت است، استفاده شده است. با اعمال روش پیشنهادی بر مجموعه داده فوق، تشخیص حملات DOS، PROBE، U2R، R2L نسبت به الگوریتم های ERF، ERTو 48J دارای نتایج بهتری می باشد. در ادامه سیستم پیشنهاد شده را با سه روش درخت تصمیم J48، درخت تصادفی پیشرفته و جنگل تصادفی پیشرفته مقایسه کرده و نمودارهای معیارهای ارزیابی مختلف از قبیل دقت، Precision و .. را نشان دادیم.
