Relevant research (2018-2022)

■

[1]

J. J. Estévez-Pereira, D. Fernández, and F. J. Novoa, “Network Anomaly Detection Using Machine 
Learning Techniques,” Aug. 2020, p. 8. doi: 10.3390/proceedings2020054008 (n.11)

■

[2]

O. Jamal Ibrahim et al., “Network intrusion detection: a comparative study of four classifiers 
using the NSL-KDD and KDD’99 datasets,” J. Phys, p. 12043, 2022, doi: 10.1088/1742-
6596/2161/1/012043. (n.13)

■

[3]

S. Rawat, A. Srinivasan, V. Ravi, and U. Ghosh, “Intrusion detection systems using classical 
machine  learning techniques vs integrated unsupervised feature learning and deep neural 
network,” Internet Technology Letters, vol. 5, no. 1, Jan. 2022, doi: 10.1002/itl2.232. (n.9)

■

[4]

T. Su, H. Sun, J. Zhu, S. Wang, and Y. Li, “BAT: Deep Learning Methods on Network Intrusion 
Detection Using NSL-KDD Dataset,” IEEE Access, vol. 8, pp. 29575–29585, 2020, doi: 
10.1109/ACCESS.2020.2972627. (n.36)

■

[5]

S. Gurung, M. K. Ghose, and A. Subedi, “Deep Learning Approach on Network Intrusion Detection 
System using NSL-KDD Dataset,” Computer Network and Information Security, vol. 3, pp. 8–14, 
2019, doi: 10.5815/ijcnis.2019.03.02. (n.12)

■

[6]

S. Naseer et al., “Enhanced network anomaly detection based on deep neural networks,” 
IEEE Access, vol. 6, pp. 48231–48246, Aug. 2018, doi: 10.1109/ACCESS.2018.2863036. (n.35)

34