El Sistema de Detección de Intrusos (IDS) es el mecanismo de seguridad de red más ampliamente utilizado para distinguir entre actividades normales y maliciosas en la red. Ayuda a la seguridad de la red en el sentido de que puede identificar riesgos imprevistos en el tráfico de la red. Varios investigadores han propuesto diferentes técnicas para la detección de intrusiones en redes. Sin embargo, debido al aumento drástico de los ataques a redes, que dificulta la ejecución de tasas de detección precisas de manera rápida, la demanda de reconocimiento efectivo de incursiones en la red está creciendo. Esta investigación propuso una solución mejorada que utiliza Long Short-Term Memory (LSTM) y funciones hash para construir una solución de seguridad de doble capa revolucionaria para la Detección de Intrusos en Redes de IoT. El marco presentado utiliza conjuntos de datos de IDS en tiempo real estándar y bien conocidos como KDDCUP99 y UNSWNB-15. En el marco presentado, el conjunto de datos se preprocesó y se empleó el algoritmo de Optimización de Shuffle Shepherd (SSO) para rastrear los atributos más informativos de la base de datos filtrada. Además, el modelo diseñado utilizó el algoritmo LSTM para clasificar de manera precisa el tráfico de red normal y malicioso. Finalmente, se utilizó una función hash segura SHA3-256 para contrarrestar los ataques. La evaluación experimental intensiva del enfoque presentado con los algoritmos convencionales enfatizó la eficiencia del marco propuesto en términos de precisión, exactitud, recall, etc. El análisis mostró que el modelo presentado logró una precisión de predicción de ataques del 99.92% y 99.91% para KDDCUP99 y UNSWNB-15, respectivamente.