از آنجاییکه داده مورد استفاده در سیستم تشخیص نفود حجم بالایی دارد، یکی از مسائل ضروری در این سیستم ها حفظ ویژگی های با بهترین کیفیت در مجموعه داده می باشد بطوریکه این ویژگی های منتخب قادر باشند، ساختار مجموعه داده ها را به درستی نشان دهند. بنابراین ضرورت خواهد داشت تا ویژگی های زائد و نامرتبط از مجموعه داده ها حذف و بهترین زیرمجموعه ویژگی از بین مجموع ویژگی ها تعیین گردد. در این مقاله، الگوریتم تکامل تفاضلی به عنوان استراتژی جستجو برای انتخاب بهترین زیرمجموعه ویژگی ها و طبقه بند درخت تصمیم برای تعیین کیفیت ویژگی های انتخاب شده مورد استفاده قرار می گیرد. مجموعه داده KDD Cup 99 برای ارزیابی روش پیشنهادی بکار برده می شود. نتایج شبیه سازی های انجام شده نشان می دهد که زیرمجموعه ویژگی بدست آمده توسط الگوریتم پیشنهادی به نرخ تشخیص و دقت بالاتر و نرخ هشدار نادرست پایین تر در مقایسه با نتایج بدست آمده با استفاده از الگوریتم کرم شب تاب و استفاده از تمام ویژگی ها دست می یابد.
