La creciente popularidad del Internet de las Cosas (IoT) ha impactado significativamente en nuestras vidas diarias en los últimos años. Por un lado, aporta conveniencia, simplicidad y eficiencia para nosotros; por otro lado, los dispositivos son susceptibles a varios ciberataques debido a la falta de mecanismos de seguridad sólidos y soporte de seguridad de hardware. En este documento, presentamos IMIDS, un sistema inteligente de detección de intrusiones (IDS) para proteger dispositivos IoT. El núcleo de IMIDS es un modelo ligero de red neuronal convolucional para clasificar múltiples amenazas cibernéticas. Para mitigar el problema de escasez de datos de entrenamiento, también proponemos un generador de datos de ataque alimentado por una red generativa adversarial condicional. En el experimento, demostramos que IMIDS podría detectar nueve tipos de ciberataques (por ejemplo, puertas traseras, códigos de shell, gusanos) con un promedio de F-measure del 97.22% y supera a sus competidores. Además, el rendimiento de detección de IMIDS mejora notablemente después de ser entrenado aún más con los datos generados por nuestro generador de datos de ataque. Estos resultados demuestran que IMIDS puede ser un IDS práctico para el escenario de IoT.