Los desarrollos de drones, especialmente los drones de tamaño pequeño, dan paso a nuevas tendencias y posibilidades en varios dominios. Los drones ofrecen servicios de navegación interlocal con la participación del Internet de las Cosas (IoT). Por otro lado, las redes de drones son altamente propensas a riesgos de privacidad y seguridad debido a sus fallos estratégicos. Para lograr la eficiencia deseada, es esencial crear una red segura. El propósito del estudio actual es tener una visión general de los problemas de privacidad y seguridad que recientemente impactaron el Internet de los Drones (IoD). Un Sistema de Detección de Intrusiones (IDS) es un enfoque efectivo para determinar la presencia de intrusiones en el entorno del IoD. El estudio actual se centra en el diseño de Optimización de Estructura Cristalina con Detección de Intrusiones basada en Autoencoders Profundos (CSODAE-ID) para un entorno seguro de IoD. El objetivo del modelo CSODAE-ID presentado es identificar las ocurrencias de intrusiones en el entorno del IoD. En el modelo CSODAE-ID propuesto, se aplica una nueva técnica de Selección de Características basada en Optimización de Caza de Ciervos Modificada (MDHO-FS) para elegir los subconjuntos de características. Al mismo tiempo, se emplea el método de Autoencoder (AE) para la clasificación de intrusiones en el entorno del IoD. El algoritmo CSO, inspirado en la formación de estructuras cristalinas basadas en puntos de red, se emplea al final para el proceso de ajuste de hiperparámetros. Para validar el rendimiento mejorado del modelo CSODAE-ID propuesto, se realizaron múltiples análisis de simulación y los resultados se evaluaron bajo distintos aspectos. Los resultados del estudio comparativo demuestran la superioridad del modelo CSODAE-ID propuesto sobre las técnicas existentes.