اینترنت به همان نسبت که در تبادل و انتقال اطلاعات انقلاب ایجاد کرده است، شانس بیشتری به خرابکاران و نفوذگران می دهد تا بتوانند به اطلاعات امنیتی یا مخفی دسترسی پیدا کنند. مطالعه سیستم های تشخیص نفوذ از این جهت که این سیستم ابزار مهمی در جهت مقابله با نفوذ های احتمالی می باشد حائز اهمیت است. خصیصه های کمّی بسیاری در تشخیص نفوذ دارای اهمیت می باشند. در بسیاری از سیستم های موجود از خصیصه های یکسان برای تشخیص حملات نفوذ متفاوت استفاده شده است. فرضیه ای که ما در این پایان نامه مطرح کرده و سعی در اثبات آن داشته ایم این است که به منظور بالابردن کارایی یک سیستم تشخیص نفوذ باید از خصیصه های متفاوتی برای تشخیص انواع مختلف حملات استفاده شود. برخی از این خصیصه ها ممکن است به شکل مستقیم یا غیر مستقیم نمایانگر وجود یک نوع خاص از نفوذ در سیستم باشند، در صورتی که ممکن است همان خصیصه ها برای انواع دیگر حملات، نامرتبط، اضافی و یا شامل اطلاعات گمراه کننده ای باشند. در این پایان نامه یک الگوریتم ژنتیک ارائه شده که با انتخاب بهینه خصیصه ها و همچنین بهینه سازی توابع عضویت فازی مرتبط با انواع حملات، به افزایش کارایی سیستم تشخیص نفوذ نمونه کمک کرده و نرخ خطای آن را کاهش می دهد. آزمایشات بر روی یک سری مجموعه ی داده ی استاندارد که حاوی چهار نوع حمله ی شبیه سازی شده می باشند، انجام شده و مقایسه ی نتایج بدست آمده با روش های قبلی نشان دهنده ی کارائی الگوریتم ارائه شده می باشد.