La selección de características es una dirección muy importante para la detección de intrusiones en redes. Sin embargo, la tecnología actual de selección de características para la detección de intrusiones en redes tiene problemas de baja tasa de detección y baja precisión debido a la redundancia de características. Se propone en este documento un Algoritmo de Optimización de Mariposa mejorado combinado con la Optimización de Viuda Negra (BWO-BOA), que introduce una estrategia de búsqueda adaptativa dinámica en la fase de búsqueda global del Algoritmo de Optimización de Mariposa (BOA), utiliza el proceso de búsqueda de movimiento del algoritmo de Optimización de Viuda Negra (BWO) como la búsqueda local, y al mismo tiempo, para superar la caída fácilmente en un óptimo local en la fase de búsqueda local del algoritmo de optimización de mariposa mejorado, aprovecha la estrategia de mutación de probabilidad baja para filtrar las características redundantes. Este documento luego intenta aplicar el algoritmo propuesto BWO-BOA a la selección de características de detección de intrusiones en redes. Para verificar el rendimiento del algoritmo propuesto BWO-BOA, se selecciona el conjunto de datos UNSW-NB15 para experimentos de simulación de clasificación binaria y multiclase, y se comparan los modelos de selección de características del algoritmo BWO-BOA, algoritmo BOA, algoritmo BWO, Optimización por Enjambre de Partículas, Algoritmo de Enjambre de Salp, Algoritmo de Optimización de Ballenas y Algoritmo de Optimización de Mariposa mejorado para validación. Los resultados experimentales muestran que el algoritmo propuesto BWO-BOA puede mejorar el rendimiento del modelo de selección de características en la detección de intrusiones en redes y aumentar significativamente la reducción de las dimensiones de las características.