سیستم های شناسایی استفاده از تکنولوژی های هوش مصنوعی را مطابق پیشرفت سودمندی که در گذشته مطابق آخرین فعالیت هادنبال می شده را میسر می سازند. بنابراین پیچیدگی آنها برای یادگیری حملات جدید بسیار گران است و آنها را برای یک براینگهداری در یک زمان حقیقی و دوباره استفاده کردن غیر فعال می کند. مطابق غلبه بر یک سری محدودیت ها ما الگویی جدید ازتکنولوژی شناسایی به نام بهینه سازی مسیر جنگلOPF برای این وظایف را معرفی می کنیم. پیشنهاد ما شامل ساختن سه بخش اصلی می باشد: پیدایشOPF برای تشخیص نفوذ، برای شناسایی افزونگی در بعضی از مجموعه داده های عمومی و همچنین ایفای ویژگی انتخاب روی آنها. آزمایشات در سه مجموعه داده با هدف مقایسه در خصوصOPFدر مقابل پشتیبانی ماشین های برداری که نقشه های خود سازماندهی شده و یک کلاس بندی بیز بررسی شده است. ما نشان داده ایم که OPF سریع ترین روش سریعترین کلاس بندی را دارد و همیشه یکی از برترین نتایج را می دهد. بنابراین می تواند وسیله مناسبی برای شناسایی نفوذ روی شبکه های کامپیوتری باشد همچنین برای فراخوانی الگوریتم جهت فهمیدن حملات، سریعتر و جدید تر از دیگر تکنولوژی ها است.