Con el uso generalizado de Internet, los problemas de seguridad en redes han atraído cada vez más atención, y la detección de intrusiones en redes se ha convertido en una de las principales tecnologías de seguridad. En cuanto a la detección de intrusiones en redes, la fuente de datos original siempre tiene una alta dimensión y una gran cantidad de datos, lo que influye en gran medida en la eficiencia y la precisión. Por lo tanto, tanto la selección de características como el clasificador juegan un papel significativo en mejorar el rendimiento de la detección de intrusiones en redes. Este documento tiene en cuenta los resultados de la optimización de clasificación del vecino más cercano ponderado (KNN) junto con los del algoritmo de selección de características, y propone una estrategia de combinación de selección de características basada en un algoritmo de optimización integrado y KNN ponderado, con el fin de mejorar el rendimiento de la detección de intrusiones en redes. Los resultados experimentales muestran que el KNN ponderado puede aumentar la eficiencia a expensas de una pequeña cantidad de precisión. Por lo tanto, la estrategia de combinación propuesta de selección de características basada en un algoritmo de optimización integrado y KNN ponderado puede mejorar tanto la eficiencia como la precisión de la detección de intrusiones en redes.