با توجه به استفاده وسیع از سیستم ها و شبکه های کامپیوتری، تعداد حملات به شیوه های مختلف، به آنها نیز در حال افزایش است و همه روزه خیلی روش های جدید و ابزارهای هک و نفوذ بوجود می آیند. استفاده از سیستم تشخیص نفوذ یکی از روشهای تشخیص فعالیت های مشکوک در شبکه است. یک سیستم تشخیص نفوذ، همه فعالیت های شبکه را مونیتور می کند و تصمیم می گیرد که آیا فعالیتی مشکوک است یا نرمال. سیستم تشخیص نفوذ، اطلاعات در مورد سیستم یا شبکه ای که باید رصد شود، را جمع آوری می کند، این اطلاعات جمع آوری شده پردازش می شوند، اطلاعات غیرضروری حذف می شوند و سپس در مورد احتمال اینکه این فعالیت ها می توانند علامت یک نفوذ باشند یا نه، تصمیم گیری می کند. منطق فازی، به مانند یک روش قوی محاسبات نرم، قدرتش در سیستم های تشخیص نفوذ اثبات شده است. علاوه بر این سیستم های فازی چندین مشخصه مهم دارند که آنها را برای تشخیص نفوذ مناسب می کند. بیشتر سیستم های فازی از روی دانش فرد خبره ساخته می شوند و به همین دلیل نیاز به تطبیق دارند. روش هایی که برای تطبیق و یادگیری ارائه شده اند زیاد هستند. روش های زیادی نیز برای تولید اتوماتیک قوانین بدون نیاز به اطلاعات فرد خبره ارائه شده اند که روش عصبی-فازی و فازی–ژنتیک از روش های مناسب هستند. ویژگی های روش های هوش محاسباتی، مانند تطبیق، تحمل خطا ، سرعت بالای محاسباتی و مقاومت در برابر خطا در مواجهه با نویز، باعث توانمندی هوش محاسباتی در تولید مدل های تشخیص نفوذ می باشد. در اینجا، با ترکیب قدرت تفسیرپذیری سیستم های فازی و قدرت پیدا کردن بهینه سراسری الگوریتم های هوش جمعی، سعی در تولید قواعد بهینه و تفسیرپذیر شده است. در مقایسه با نتایج کارهای مشابه انجام شده، دیده می شود که روش ارائه شده روش خوبی است.