در سال های اخیر، با توجه به افزایش روزافزون ترافیک در شبکه های کامپیوتری به عنوان مسأله ای چالش برانگیز، نیاز به الگوریتم های تشخیص نفوذ سریع تر و دقیق تر بیش از پیش احساس می شود. بنابراین، پیشرفت ها در زمینه ی انتخاب ویژگی ها با استفاده از الگوریتم های فرا ابتکاری و روش های پیش پردازش جدید، راه را برای فعالیت های تشخیصی گشوده است. در همین راستا، در پژوهش حاضر تلاش شده است تا با انتخاب ویژگی ها با استفاده از الگوریتم فراابتکاری جستجوی هارمونی و ارائه ی روشی نوین در زمینه ی تبدیل داده های کاراکتری به عددی، برکارایی ماشین بردار پشتیبان افزوده شود. به این منظور، از مجموعه داده های nsl-kd استفاده شده تا کارایی و دقت طبقه بندی hs-svm واقعی تر ارزیابی شود. یافته های پژوهش حاضر حاکی از آن است که مدل پیشنهادی عملکرد بهتری در زمینه سرعت و دقت تشخیص نفوذ در مقایسه با روشهای تشخیص نفوذ بررسی شده، داشته است.