Providing a high-performance Intrusion Detection System (IDS) can be very effective in controlling malicious behaviors and cyber-attacks. Regarding the ever-growing negative impacts of the security attacks on computer systems and networks, various Artificial Intelligence (AI)-based techniques have been used to introduce versatile IDS approaches. Deep learning is a branch of AI techniques, mainly based on multi-layer artificial neural networks. Recently, deep learning techniques have gained momentum in the intrusion detection domain and several IDS approaches are provided in the literature using various deep neural networks to deal with privacy concerns and security threats. For this purpose, this article focuses on the deep IDS approaches and investigates how deep learning networks are employed by different approaches in different steps of the intrusion detection process to achieve better results. It classifies the studied IDS schemes regarding the deep learning networks utilized in them and describes their main contributions and capabilities. Besides, in each category, their main features such as evaluated metrics, datasets, simulators, and environments are compared. Also, a comparison of the deep IDS approaches main properties are provided to illuminate the main techniques applied in them as well as the area less focused in the literature. Finally, the concluding remarks in the deep IDS context are provided and possible directions at the subsequent studies are listed.

提供高性能的入侵检测系统（IDS）在控制恶意行为和网络攻击方面非常有效。关于安全攻击对计算机系统和网络的日益严重的负面影响，已使用各种基于人工智能（AI）的技术来引入通用的IDS方法。深度学习是AI技术的一个分支，主要基于多层人工神经网络。近年来，深度学习技术在入侵检测领域得到了发展，文献中提供了多种IDS方法，它们使用各种深度神经网络来处理隐私问题和安全威胁。以此目的，本文重点介绍深度IDS方法，并研究在入侵检测过程的不同步骤中不同方法如何使用深度学习网络以取得更好的结果。它针对所使用的深度学习网络对已研究的IDS方案进行了分类，并描述了它们的主要贡献和功能。此外，在每个类别中，将比较它们的主要功能，例如评估指标，数据集，模拟器和环境。此外，还对深层IDS方法的主要属性进行了比较，以阐明在其中应用的主要技术以及文献中较少关注的领域。最后，提供了在深度IDS上下文中的结论性意见，并列出了后续研究的可能方向。它针对所使用的深度学习网络对已研究的IDS方案进行了分类，并描述了它们的主要贡献和功能。此外，在每个类别中，将比较它们的主要功能，例如评估指标，数据集，模拟器和环境。此外，还对深层IDS方法的主要属性进行了比较，以阐明在其中应用的主要技术以及文献中较少关注的领域。最后，提供了在深度IDS上下文中的结论性意见，并列出了后续研究的可能方向。它针对所使用的深度学习网络对已研究的IDS方案进行了分类，并描述了它们的主要贡献和功能。此外，在每个类别中，将比较它们的主要功能，例如评估指标，数据集，模拟器和环境。此外，还对深层IDS方法的主要属性进行了比较，以阐明在其中应用的主要技术以及文献中较少关注的领域。最后，提供了在深度IDS上下文中的结论性意见，并列出了后续研究的可能方向。深入研究了IDS方法的主要特性，以阐明它们中应用的主要技术以及文献中较少关注的领域。最后，提供了在深度IDS上下文中的结论性意见，并列出了后续研究的可能方向。深入研究了IDS方法的主要特性，以阐明它们中应用的主要技术以及文献中较少关注的领域。最后，提供了在深度IDS上下文中的结论性意见，并列出了后续研究的可能方向。