امروزه با گسترش روز¬افزون ارتباطات شبکه¬ای، برقراری امنیت در شبکه، از اولویت¬های مهم کاربران محسوب می¬شود. سیستم¬های تشخیص نفوذ، سخت¬افزار و یا نرم¬افزاری است که کار نظارت بر شبکه¬ کامپیوتری را در مورد فعالیت¬های مخرب انجام می¬دهد و گزارش¬های حاصل را به بخش مدیریت شبکه ارائه می¬دهد. رویکرد¬های تشخیص نفوذ به دو دسته کلی تشخیص موارد سوء¬استفاده و تشخیص رفتارهای غیرمتعارف ، تقسیم می¬شوند.. در این پایان¬نامه به دلیل دقت قابل توجه، از الگوریتم k- نزدیکترین همسایه (k-nn) استفاده شده، و کندی عملکرد این روش را از طریق کاهش بُعد داده¬های ورودی(انتخاب ویژگی ) و با استفاده از الگوریتم ژنتیک برطرف نموده¬ایم. همچنین الگوریتم k-nn را برای تشخیص رفتارهای غیرمتعارف در شبکه با انواع معیار¬های فاصله آزمایش نموده و بهترین معیار فاصله را برای این هدف ارائه نموده¬ایم، که می¬توان از آن در سیستم¬های تشخیص نفوذ بلادرنگ نیز استفاده کرد. روش پیشنهادی بر روی پایگاه داده kdd 99 با استفاده از نرم افزار متلب پیاده¬سازی شده است که نتایج بدست آمده نشانگر کارایی روش پیشنهادی می¬باشد.با توجه به اینکه روش پیشنهادی برای تشخیص نفوذ در سیستم¬های بلادرنگ ارائه شده است، زمان اجرای الکوریتم k-nn از اهمیت بالائی برخوردار می¬باشد. همانطور که نتایج بدست آمده پایان نامه نشان می¬دهد، فاصله ماهالانبیس روی 17 ویژگی انتخاب شده از 41 ویژگی ،نسبت به دیگرفواصل استفاده شده در تشخیص نفوذ در شبکه¬های کامپیوتری از سرعت بالاتری برخوردار است.