کرم واره ها (کرم های کامپیوتری)، به علت قابلیت انتشار مستقل و اثرات مخربی که می توانند بر جای بگذارند، یکی از بزرگترین تهدیدات شبکه محسوب می گردند. روش های تشخیص کرم واره باید از سرعت بالایی برخوردار بوده، نرخ خطای پایینی داشته و قابلیت تشخیص کرم واره ها ی جدید را نیز داشته باشند. شبکه های جدیدی مانند شبکه peer-to-peer (p2p)باعث به وجود آمدن زمینه جدیدی برای فعالیت کرم واره ها شده اند. کرم واره ها ی p2p با سوء استفاده از ویژگی های این نوع شبکه ها، می توانند با سرعت بالا و با ترکیب شدن در ترافیک عادی شبکه بین گره ها منتشر شوند. آنها پتانسیل بالاتری برای حملات خطرناک به شبکه دارند، زیرا مکانیزم های فعلی تشخیص و مقابله با کرم واره ها در مقابل آنها موثر نیست. بنابراین، ساختار خاص شبکه های p2p، نیازمندی های جدیدی برای مقابله با حملات به آن مطرح می کند. در این پایان نامه، روشی مبتنی بر میزبان برای تشخیص کرم واره ها ی p2p براساس تشخیص ناهنجاری ارایه نموده ایم. این پایان نامه شامل دو بخش است. در بخش اول، شناسایی کرم واره ها ی p2p را تنها از روی اطلاعات یک میزبان و به کمک الگوریتم یادگیری ماشین بیزی انجام دادیم. در بخش دوم پایان نامه، برای افزایش دقت تشخیص از همکاری بین گره های همسایه در شبکه p2p بهره گرفتیم. این همکاری از طریق بررسی شباهت الگوی وضعیت داخلی دو گره همسایه انجام گرفته است. ما در ابتدا تاثیر زمان را توسط تبدیل فوریه سریع از الگوها حذف نموده و سپس نسبت شیب دو الگو را به منظور بررسی شباهت آنها مورد مطالعه قرار داده ایم. نرخ تشخیص وfalse positive به دست آمده در بخش اول پایان نامه به ترتیب 87 و 15 درصد بود. در بخش دوم پایان نامه و با در نظر گرفتن همکاری بین گره ها این میزان تا نرخ تشخیص 95 درصد و 5 درصد برای false positive بهبود پیدا کرد. روش ارایه شده در این پایان نامه علاوه بر دقت بالا، از هزینه محاسبات کم و سرعت نسبتاَ بالایی برخوردار بوده و به سادگی روی هر گره شبکه قابل استفاده است.