Les systèmes de détection d'intrusion utilisent plusieurs méthodes pour détecter et prévenir les attaques de réseau. Cette étude se concentre sur la détection de la présence de noeuds malveillants qui abandonnent de manière sélective ou aléatoire des paquets destinés à d'autres noeuds de destination dans les réseaux mobiles ad hoc (MANET), et classe ensuite chaque attaque d'abandon de paquets en fonction de son type en observant et en analysant la manière dont chaque attaque d'abandon de paquets affecte les caractéristiques du réseau. La surveillance de la sécurité des réseaux repose sur le principe selon lequel la prévention finit par échouer. Dans le paysage actuel des menaces, quels que soient vos efforts, des attaquants motivés finiront par s'introduire dans votre réseau. À ce moment-là, votre capacité à détecter cette intrusion et à y répondre peut faire la différence entre un petit incident et une catastrophe majeure. Cette étude suit un cycle en trois étapes : i. collecte des données ii. analyse des données iii. détection et classification. Cette étude motive l'utilisation intelligente de réseaux neuronaux artificiels qui exploitent les données locales recueillies à chaque noeud pour détecter les activités malveillantes.