دگرگونی های جهان به واسطه گسترش فنآوری اطلاعات و اینترنت، رقابتی دانش محور را در عرصه تجارت الکترونیکی به وجود آورده که منجر به افزایش توان رقابتی بین سازمان ها شده است. در این شرایط با افزایش نرخ مبادلات تجاری، گسترش تضمینی، همراه با سرعت و کیفیت بالا، منوط به تحقق سیستم پویای بانکداری الکترونیکی است تا با بکارگیری فنآوری های نوین، فرایند تجارت الکترونیکی را تسهیل بخشد. بانکداری اینترنتی به عنوان یک فرصت بالقوه که رکن اساسی و تعیین کننده بانکداری الکترونیکی محسوب می شود در فضای سایبر با موانع و تهدیدهای گوناگونی مواجه است که یکی از این چالشها، عدم قطعیت کامل در تضمین امنیت تراکنش های مالی و همچنین وجود رفتارهای غیرمتعارف و مشکوک از سوی اخلال گران الکترونیکی در جهت سوءاستفاده های مالی است. تاکنون سیستم های مختلفی بواسطه روش های ماشینی هوشمند و تکنیک داده کاوی جهت شناسایی جرم در رفتار کاربران طراحی شده و در صنایع مختلفی همچون بیمه، پزشکی و بانکداری بکارگرفته شده است. هدف این پایان نامه تشخیص رفتارهای غیرمعمول کاربران در سامانه بانکداری اینترنتی است لذا تشخیص رفتار کاربران و دسته بندی الگوهای بوجود آمده، شرایطی را در جهت پیش بینی نفوذ غیرمجاز و تشخیص رفتارهای مشکوک و تقلب آمیز مهیا می سازد. از آنجایی که تشخیص رفتار کاربران در سامانه اینترنتی با عدم قطعیت همراه بوده و سوابق بجای مانده از تراکنش ها می تواند در جهت درک این حرکات راهگشا باشد و همچنین با توجه به اینکه در بین روش های ماشینی، تکنیک درخت تصمیم گیری متداول ترین ابزار برای دسته بندی و پیش بینی محسوب می شود، لذا در این پایان نامه ابتدا متغیرهای موثر و وزن هرکدام در تولید رفتار، تعیین شده و در ادامه ترکیبی از حالت های رفتاری مختلف به صورت مدلی از قوانین استنتاجی استخراج گردید تا قابلیت تشخیص رفتارهای مختلف فراهم گردد. نهایتا روند چهار الگوریتم chaid، ex_chaid، c4.5 و c5.0 جهت دسته بندی و کشف الگوهای موجود روی تراکنش های واقعی یک بانک خصوصی، مورد مقایسه و ارزیابی قرار گرفت.