Dado que la inyección SQL permite a los atacantes interactuar con la base de datos de las aplicaciones, se considera un problema de seguridad significativo. Al aplicar algoritmos de aprendizaje automático, se pueden identificar los ataques de inyección SQL. En la etapa de entrenamiento de los métodos de aprendizaje automático, se utilizan características efectivas para desarrollar un clasificador óptimo que sea altamente preciso. La especificación de las características con la mayor eficacia se considera un desafío de optimización combinatoria NP-completo. La selección de las características más efectivas se refiere al procedimiento de identificar las características más pequeñas y efectivas en el conjunto de datos. La razón detrás de este documento es optimizar los parámetros de precisión, sensibilidad y exactitud del método de detección de ataques de inyección SQL. En este documento, se sugirió un método para identificar ataques de inyección SQL. En el primer paso, se desarrolló un conjunto de datos de entrenamiento particular que incluía 13 características. En el segundo paso, para especificar las mejores características del conjunto de datos, se desarrolló una variedad binaria específica del algoritmo de optimización de la Olimpiada. Se utilizaron varios algoritmos de aprendizaje automático para crear el detector de ataque óptimo. Según los experimentos realizados, el detector de inyección SQL sugerido utilizando una red neuronal artificial y el selector de características puede alcanzar una precisión del 99.35%, una precisión del 100% y una sensibilidad del 100%. Debido a la selección de aproximadamente el 30% de las características efectivas, el método propuesto mejoró la eficacia de los detectores de inyección SQL.