Las redes inteligentes son sistemas ciberfísicos complejos que incorporan las capacidades de comunicación de dispositivos inteligentes en la red para permitir la gestión remota y el control de los sistemas de energía. Sin embargo, esta integración revela numerosas fallas en los sistemas SCADA, lo que podría comprometer los objetivos de seguridad y plantear graves amenazas cibernéticas para la red inteligente. En trabajos convencionales, se han desarrollado diversas metodologías de detección de ataques para fortalecer la seguridad de los sistemas SCADA de la red inteligente. Sin embargo, presentan varios problemas relacionados con la complejidad, la lentitud en la velocidad de entrenamiento, el consumo de tiempo y los resultados de predicción inexactos. El propósito de este trabajo es desarrollar un marco de seguridad novedoso para proteger los sistemas SCADA de la red inteligente contra vulnerabilidades o intrusiones dañinas en la red. Por lo tanto, el trabajo propuesto se motiva a desarrollar un mecanismo de Inteligencia Artificial (IA) basado en metaheurísticas inteligentes para asegurar los sistemas IoT-SCADA. El marco propuesto incluye las etapas de normalización de conjuntos de datos, Optimización de Búsqueda de Ébola de Zaire (ZESO) y Clasificación de Bosque de Núcleo Aleatorio Profundo (DRKFC). En primer lugar, los conjuntos de datos originales de referencia se normalizan en función de la caracterización del contenido y la transformación de categorías durante la preprocesamiento. Después, se implementa el algoritmo ZESO para seleccionar las características más relevantes con el fin de aumentar la velocidad de entrenamiento y la precisión de la detección de ataques. Además, la técnica DRKFC categoriza con precisión los flujos de datos normales y de ataque en función del conjunto de características optimizado. Durante la evaluación, se valida y compara el rendimiento del método propuesto ZESO-DRKFC en términos de precisión, tasa de detección, puntuación f1 y tasa de aceptación falsa. Según los resultados, se observa que el mecanismo ZESO-DRKFC supera a otras técnicas con alta precisión (99%) al detectar con precisión intrusiones en los sistemas de red inteligente.